核心概念
大規模言語モデルの知識と推論能力を活用し、生成したレスポンスを基に複数のクエリを生成することで、対話型情報検索の性能を向上させる。
要約
本論文は、対話型情報検索(CIS)における新しい手法を提案している。従来のアプローチでは、ユーザーの情報ニーズを1つのクエリで表現していたが、複雑な情報ニーズには限界があった。
提案手法では、大規模言語モデル(LLM)を活用し、以下の3つのアプローチを検討している:
AD (Answer-Driven): LLMが生成したレスポンスをそのままクエリとして使う。
QD (Query-Driven): LLMにクエリの生成を直接指示する。
AQD (Answer-then-Query-Driven): LLMにレスポンスを生成させ、それを基にクエリを生成する。
AQDAは、AQDの変形で、生成したクエリの結果をレスポンスに基づいて再ランキングする。
実験の結果、提案手法のAQDAが最も良い性能を示した。これは、LLMの知識と推論能力を活用し、レスポンスを基にした複数のクエリを生成することで、より効果的な検索が可能になったためと考えられる。一方、単一のクエリを使う従来手法は性能が低かった。
統計
トレントからNYU、コロンビア大学、ラトガース大学までの距離はそれぞれ66マイル、77マイル、39マイルである。