Conversational Search: From Fundamentals to Frontiers in the LLM Era

文章主要内容总结

本文是一篇关于对话式搜索（Conversational Search）的教程，聚焦于大型语言模型（LLMs）时代下对话式搜索的基础原理与前沿发展。核心内容包括：

1. 对话式搜索的基本概念与动机：
   对话式搜索通过多轮交互理解用户复杂信息需求，区别于传统关键词搜索，其系统需结合对话上下文解析意图，并以灵活对话界面返回结果。LLMs的出现（如指令跟随、内容生成、推理能力）为对话式搜索带来新机遇，推动用户信息获取行为从单轮向多轮交互转变，同时也带来了技术整合的挑战（如对话建模、检索增强生成等）。

2. 教程的目标与结构：

   • 基础内容：涵盖对话式搜索的核心范式（查询重写检索、对话密集检索）、混合主动策略（澄清问题、主动建议等）、常用数据集（如OR-QuAC、TREC CAsT）及评估指标（nDCG、nugget-based evaluation）。
   • LLM驱动的新兴话题：包括自动评估（基于LLM生成相关性判断）、生成与检索的结合（生成增强检索GAR、检索增强生成RAG）、个性化对话搜索及代理式对话搜索（通过LLM代理完成信息任务）。

3. 关键技术与方向：

   • LLM在对话式搜索中的应用：通过检索增强生成（RAG）减少幻觉，通过生成增强检索（GAR）优化查询分解；
   • 混合主动交互的自动化：如澄清需求预测、系统