研究人员引入了一个新的框架来评估 LLM 引导搜索系统，该系统会迭代地生成查询并检索文档。该框架将搜索环境建模为排序列表，并定义了两个核心操作：“选择”（select）以在排序中前进，以及“生成”（spawn）通过查询重构生成新的排序。这种方法允许将各种检索策略表达为通用环境中的策略，并具有自然的强化学习解释。实验表明，检索方法和“深度研究”（deep research）策略都对性能有显著影响，尤其是在高召回率的信息检索场景中。 AI
影响 为评估和改进 LLM 驱动的搜索系统提供了一种结构化方法，有望带来更有效的信息检索。
排序理由 该条目是一篇研究论文，详细介绍了用于评估 LLM 引导搜索的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- CORE Recommender
- High-Recall Information Retrieval
- Hugging Face
- LLM-guided search
- reinforcement learning
- retrieval-augmented generation
- Sequential Decision Framework
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
