本文是LLM系列文章,针对《A Survey of Generative Search and Recommendation in the Era of Large Language Models》的翻译。
大型语言模型时代的生成式搜索与推荐综述
摘要
随着 Web 上的信息爆炸式增长,搜索和推荐是满足用户信息需求的基础设施。作为同一枚硬币的两面,两者都围绕着同一个核心研究问题,将查询与文档匹配,或将用户与项目匹配。近几十年来,搜索和推荐经历了同步的技术范式转变,包括基于机器学习和基于深度学习的范式。近年来,超智能生成式大语言模型在搜索和推荐方面引发了一种新的范式,即生成式搜索(检索)和推荐,旨在以生成方式解决匹配问题。在本文中,我们对信息系统中新兴的范式进行了全面调查,并从统一的角度总结了生成式搜索和推荐的发展。我们不是简单地对现有作品进行分类,而是为生成范式抽象出一个统一的框架,并将现有工作分解为该框架内的不同阶段,以突出其优点和缺点。然后,我们将生成式搜索和推荐与其独特的挑战区分开来,确定未解决的问题和未来的方向,并设想下一个信息搜索范式。