两篇新研究论文探讨了信息检索（IR）不断发展的格局，因为它正从人类消费转向大语言模型（LLM）的利用。第一篇论文“面向大语言模型的信息检索：一种以降噪为先的视角”认为，减少噪声和最大化可用证据密度是LLM在信息访问方面的主要挑战，并提出了一种解决此问题的技术框架和分类法。第二篇论文“IntrAgent：一种用于通过文献综述进行内容驱动信息检索的大语言模型代理”介绍了一项新任务和一个名为IntrAgent的大语言模型代理，该代理旨在模仿人类文献综述过程进行细粒度信息检索，其准确性优于现有方法。 AI
影响 强调了在基于大语言模型的检索系统中降噪和结构化信息提取的关键需求。
排序理由 arXiv上发表的两篇学术论文，讨论了面向大语言模型的信息检索的新方法和挑战。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2605.00505v1 Announce Type: cross Abstract: Modern information retrieval (IR) is no longer consumed primarily by humans but increasingly by large language models (LLMs) via retrieval-augmented generation (RAG) and agentic search. Unlike human users, LLMs are constrained by …
Modern information retrieval (IR) is no longer consumed primarily by humans but increasingly by large language models (LLMs) via retrieval-augmented generation (RAG) and agentic search. Unlike human users, LLMs are constrained by limited attention budgets and are uniquely vulnera…
arXiv:2604.22861v1 Announce Type: cross Abstract: Scientific research relies on accurate information retrieval from literature to support analytical decisions. In this work, we introduce a new task, INformation reTRieval through literAture reVIEW (IntraView), which aims to automa…