LLM4IR-Survey

LLM4IR-Survey

大语言模型在信息检索领域的应用研究综述

LLM4IR-Survey项目汇集了大语言模型在信息检索领域应用的相关研究论文。项目涵盖查询重写、检索、重排序、阅读理解和搜索代理等方向,全面展示大语言模型在信息检索各环节的应用。 该资源持续更新,反映最新研究进展和创新应用,为该领域的研究人员和从业者提供重要参考。

LLM信息检索查询重写检索器重排序Github开源项目

LLM4IR调研

这是与信息检索领域大型语言模型相关的论文集。这些论文根据我们的调研论文《大型语言模型在信息检索中的应用:一项调研》进行组织。

如果您发现任何错误或有任何建议,欢迎与我们联系。邮箱:yutaozhu94@gmail.comdou@ruc.edu.cn

🌟 引用

如果本文对您的研究有所帮助,请kindly引用我们的论文:

@article{LLM4IRSurvey, author={Yutao Zhu and Huaying Yuan and Shuting Wang and Jiongnan Liu and Wenhan Liu and Chenlong Deng and Haonan Chen and Zhicheng Dou and Ji-Rong Wen}, title={Large Language Models for Information Retrieval: A Survey}, journal={CoRR}, volume={abs/2308.07107}, year={2023}, url={https://arxiv.org/abs/2308.07107}, eprinttype={arXiv}, eprint={2308.07107} }

🚀 更新日志

  • 版本2 [2024-01-19]
    • 我们添加了一个新的章节介绍搜索代理,这代表了将LLM与IR系统集成的创新方法。
    • 重写器:我们增加了最近关于基于LLM的查询重写的工作,其中大多数集中在对话式搜索上。
    • 检索器:我们添加了利用LLM扩展检索器训练语料库或增强检索器架构的最新技术。
    • 重排器:我们在三个部分分别增加了最新的基于LLM的排序工作:将LLM作为监督重排器、将LLM作为无监督重排器,以及利用LLM进行训练数据增强。
    • 阅读器:我们添加了LLM增强阅读器领域的最新研究,包括介绍参考压缩技术的章节、讨论LLM增强阅读器应用的章节,以及分析LLM增强阅读器特征的章节。
    • 未来方向:我们添加了关于搜索代理的章节和讨论将LLM引入IR系统可能造成偏见的章节。

📋 目录

📄 论文列表

查询重写器

提示方法

  1. Query2doc:使用大型语言模型进行查询扩展,Wang等人,arXiv 2023。 [论文]
  2. 用于稀疏、密集和学习型稀疏检索的生成式和伪相关反馈,Mackie等人,arXiv 2023。 [论文]
  3. 使用大型语言模型的生成式相关反馈,Mackie等人,SIGIR 2023(短文)。 [论文]
  4. GRM:使用相关性感知样本估计的生成式相关性建模用于文档检索,Mackie等人,arXiv 2023。 [论文]
  5. 大型语言模型了解您的上下文搜索意图:对话式搜索的提示框架,Mao等人,arXiv 2023。 [论文]
  6. 无需相关性标签的精确零样本密集检索,Gao等人,ACL 2023。 [论文]
  7. 通过提示大型语言模型进行查询扩展,Jagerman等人,arXiv 2023。 [论文]
  8. 大型语言模型是强大的零样本检索器,Shen等人,arXiv 2023。 [论文]
  9. 增强对话式搜索:大型语言模型辅助的信息化查询重写,Ye等人,EMNLP 2023(Findings)。 [论文]
  10. 生成式大语言模型能否为测试集创建查询变体?一项探索性研究,M. Alaofi等人,SIGIR 2023(短文)。 [论文]
  11. 基于语料库指导的大型语言模型查询扩展,Lei等人,EACL 2024(短文)。 [论文]
  12. PromptReps:提示大型语言模型生成密集和稀疏表示用于零样本文档检索,Zhuang等人,arXiv 2024。 [论文]

微调方法

  1. QUILL:使用检索增强和多阶段蒸馏的大型语言模型查询意图,Srinivasan等人,EMNLP 2022(工业界)。 [论文](该论文在基线实验中探索了微调方法。)

知识蒸馏方法

  1. QUILL:使用检索增强和多阶段蒸馏的大型语言模型查询意图,Srinivasan等人,EMNLP 2022(工业界)。 [论文]
  2. 通过搜索引擎和大型语言模型交互进行知识精炼,Feng等人,arXiv 2023。 [论文]
  3. 用于检索增强大型语言模型的查询重写,Ma等人,arXiv 2023。 [论文]

检索器

利用大语言模型生成搜索数据

  1. InPars:使用大语言模型进行信息检索的数据增强, Bonifacio等人, arXiv 2022. [论文]
  2. 基于大语言模型文档扩展的密集段落检索预训练, 马等人, arXiv 2023. [论文]
  3. InPars-v2:大语言模型作为信息检索的高效数据集生成器, Jeronymo等人, arXiv 2023. [论文]
  4. Promptagator:基于8个示例的少样本密集检索, 戴等人, ICLR 2023. [论文]
  5. AugTriever:通过可扩展数据增强的无监督密集检索, 孟等人, arXiv 2023. [论文]
  6. UDAPDR:通过大语言模型提示和重排器蒸馏的无监督领域适应, Saad-Falco等人, arXiv 2023. [论文]
  7. 软提示微调:利用大语言模型增强密集检索, 彭等人, arXiv 2023. [论文]
  8. CONVERSER:基于合成数据生成的少样本对话密集检索, 黄等人, ACL 2023. [论文]
  9. 利用大语言模型为多语言密集检索合成多语言训练数据, Thakur等人, arXiv 2023. [论文]
  10. 问题即所需:训练密集段落检索器, Sachan等人, ACL 2023. [论文]
  11. 超越事实性:大语言模型作为知识生成器的全面评估, 陈等人, EMNLP 2023. [论文]

运用大语言模型改进模型架构

  1. 通过对比预训练的文本和代码嵌入, Neelakantan等人, arXiv 2022. [论文]
  2. 微调LLaMA用于多阶段文本检索, 马等人, arXiv 2023. [论文]
  3. 大型双编码器是通用检索器, 倪等人, EMNLP 2022. [论文]
  4. 基于指令的任务感知检索, 浅井等人, ACL 2023 (Findings). [论文]
  5. Transformer记忆作为可微分搜索索引, Tay等人, NeurIPS 2022. [论文]
  6. 大语言模型是内置的自回归搜索引擎, Ziems等人, ACL 2023 (Findings). [论文]

重排器

将大语言模型用作有监督重排序器

  1. 使用BERT进行多阶段文档排序Nogueira等人,arXiv 2019。[论文]
  2. 使用预训练序列到序列模型进行文档排序Nogueira等人,EMNLP 2020(发现)。[论文]
  3. 用于段落重排序的文本到文本多视图学习Ju等人,SIGIR 2021(短文)。[论文]
  4. 使用预训练序列到序列模型进行文本排序的Expando-Mono-Duo设计模式Pradeep等人,arXiv 2021。[论文]
  5. RankT5:使用排序损失微调T5进行文本排序Zhuang等人,SIGIR 2023(短文)。[论文]
  6. 微调LLaMA用于多阶段文本检索Ma等人,arXiv 2023。[论文]
  7. 大语言模型用于文本排序的两阶段适应Zhang等人,ACL 2024(发现)。[论文]
  8. 不依赖GPT的排序:基于开源大语言模型构建列表式重排序器Zhang等人,arXiv 2023。[论文]

将大语言模型用作无监督重排序器

  1. 语言模型的整体评估Liang等人,arXiv 2022。[论文]
  2. 使用零样本问题生成改进段落检索Sachan等人,EMNLP 2022。[论文]
  3. 通过约束生成进行离散提示优化用于零样本重排序器Cho等人,ACL 2023(发现)。[论文]
  4. 开源大语言模型是强大的零样本查询似然模型用于文档排序Zhuang等人,EMNLP 2023(发现)。[论文]
  5. PaRaDe:使用大语言模型的示例进行段落排序Drozdov等人,EMNLP 2023(发现)。[论文]
  6. 超越是与否:通过评分细粒度相关性标签改进零样本大语言模型排序器Zhuang等人,arXiv 2023。[论文]
  7. ChatGPT擅长搜索吗?调查大语言模型作为重排序代理Sun等人,EMNLP 2023。[论文]
  8. 使用大语言模型进行零样本列表式文档重排序Ma等人,arXiv 2023。[论文]
  9. 在中间找到:排列自洽性改进大语言模型的列表式排序Tang等人,arXiv 2023。[论文]
  10. 大语言模型通过成对排序提示成为有效的文本排序器Qin等人,NAACL 2024(发现)。[论文]
  11. 一种用于大语言模型的有效且高效的零样本排序集合方法Zhuang等人,SIGIR 2024。[论文]
  12. InstUPR:基于指令的大语言模型无监督段落重排序Huang和Chen,arXiv 2024。[论文]

利用大型语言模型进行训练数据增强

  1. ExaRanker:基于解释增强的神经排序器Ferraretto 等人,SIGIR 2023(短论文)。[论文]

  2. InPars-Light:高效排序器的低成本无监督训练Boytsov 等人,arXiv 2023。[论文]

  3. 为交叉编码器重排序生成合成文档Askari 等人,arXiv 2023。[论文]

  4. 指令蒸馏使大型语言模型成为高效的零样本排序器Sun 等人,arXiv 2023。[论文]

  5. RankVicuna:使用开源大型语言模型进行零样本列表式文档重排序Pradeep 等人,arXiv 2023。[论文]

  6. RankZephyr:高效且鲁棒的零样本列表式重排序轻而易举!Pradeep 等人,arXiv 2023。[论文]

读者

被动读者

  1. REALM:检索增强语言模型预训练Guu等人,ICML 2020. [论文]
  2. 检索增强生成用于知识密集型自然语言处理任务Lewis等人,NeurIPS 2020. [论文]
  3. REPLUG:检索增强黑盒语言模型Shi等人,arXiv 2023. [论文]
  4. Atlas:基于检索增强语言模型的少样本学习Izacard等人,JMLR 2023. [论文]
  5. 通过少样本提示的互联网增强语言模型用于开放域问答Lazaridou等人,arXiv 2022. [论文]
  6. 利用检索重新思考:忠实的大型语言模型推理He等人,arXiv 2023. [论文]
  7. FreshLLMs:通过搜索引擎增强刷新大型语言模型Vu等人,arxiv 2023. [论文]
  8. 使大型语言模型能够生成带引用的文本Gao等人,EMNLP 2023. [论文]
  9. Chain-of-Note:增强检索增强语言模型的稳健性Yu等人,arxiv 2023. [论文]
  10. 通过数据重要性学习改进检索增强大型语言模型Lyu等人,arXiv 2023. [论文]
  11. 搜索增强指令学习Luo等人,EMNLP 2023 (Findings). [论文]
  12. RADIT:检索增强双重指令调优Lin等人,arXiv 2023. [论文]
  13. 通过从万亿个标记中检索来改进语言模型Borgeaud等人,ICML 2022. [论文]
  14. 上下文内检索增强语言模型Ram等人,arXiv 2023. [论文]
  15. 交织检索与思维链推理以解决知识密集型多步骤问题Trivedi等人,ACL 2023. [论文]
  16. 通过即插即用检索反馈改进语言模型Yu等人,arXiv 2023. [论文]
  17. 通过迭代检索-生成协同增强检索增强大型语言模型Shao等人,EMNLP 2023 (Findings). [论文]
  18. 检索-生成协同增强大型语言模型Feng等人,arXiv 2023. [论文]
  19. Self-RAG:通过自我反思学习检索、生成和评判Asai等人,arXiv 2023. [论文]
  20. 主动检索增强生成Jiang等人,EMNLP 2023. [论文]

主动读者

  1. 测量并缩小语言模型的组合性差距Press等人,arXiv 2022. [论文]
  2. 展示-搜索-预测:组合检索和语言模型用于知识密集型自然语言处理Khattab等人,arXiv 2022. [论文]
  3. 通过多条思维链的元推理回答问题Yoran等人,arXiv 2023. [论文]

压缩器

  1. LeanContext:利用LLMs进行高效的特定领域问答,Arefeen等人,arXiv 2023。[论文]

  2. RECOMP:通过压缩和选择性增强改进检索增强型语言模型,Xu等人,arXiv 2023。[论文]

  3. TCRA-LLM:用于降低推理成本的令牌压缩检索增强大型语言模型,Liu等人,EMNLP 2023(研究发现)。[论文]

  4. 学习过滤检索增强生成的上下文,Wang等人,arXiv 2023。[论文]

分析

  1. 迷失在中间:语言模型如何使用长上下文,Liu等人,arXiv 2023。[论文]

  2. 通过检索增强调查大型语言模型的事实知识边界,Ren等人,arXiv 2023。[论文]

  3. 探索检索器与大型语言模型的集成策略,Liu等人,arXiv 2023。[论文]

  4. 刻画检索增强型大型语言模型的归因和流畅性权衡,Aksitov等人,arXiv 2023。[论文]

  5. 何时不信任语言模型:调查参数化和非参数化记忆的有效性,Mallen等人,ACL 2023。[论文]

应用

  1. 用医学教科书增强黑盒LLMs进行临床问答,Wang等人,arXiv 2023。[论文]

  2. ATLANTIC:用于跨学科科学的结构感知检索增强语言模型,Munikoti等人,arXiv 2023。[论文]

  3. 针对孟加拉语的跨语言检索增强情境学习,Li等人,arXiv 2023。[论文]

  4. Clinfo.ai:一个使用科学文献回答医学问题的开源检索增强大型语言模型系统,Lozano等人,arXiv 2023。[论文]

  5. 通过检索增强大型语言模型提升金融情感分析,Zhang等人,ICAIF 2023。[论文]

  6. 使用检索增强大型语言模型进行可解释的长篇法律问答,Louis等人,arXiv 2023。[论文]

  7. RETA-LLM:一个检索增强大型语言模型工具包,Liu等人,arXiv 2023。[论文]

  8. 变色龙:用于检索增强语言模型的异构和分解加速器系统,Jiang等人,arXiv 2023。[论文]

  9. RaLLe:开发和评估检索增强大型语言模型的框架,Hoshi等人,EMNLP 2023。[论文]

  10. 不要忘记私有检索:大型语言模型的分布式私有相似性搜索,Zyskind等人,arXiv 2023。[论文]

搜索智能体

静态智能体

  1. LaMDA:用于对话应用的语言模型,Thoppilan 等,arXiv 2022。[论文]
  2. 寻求知识的语言模型:用于对话和提示补全的模块化搜索和生成,Shuster 等,EMNLP 2022(Findings)。[论文]
  3. 教导语言模型使用经验证引用支持回答,Menick 等,arXiv 2022。[论文]
  4. WebGLM:面向基于人类偏好的高效网络增强问答系统,Liu 等,KDD 2023。[论文]
  5. 具备规划、长上下文理解和程序合成能力的真实世界网络智能体,Gur 等,arXiv 2023。[论文]
  6. 知道去向何方:使大语言模型成为相关、负责任且值得信赖的搜索者,Shi 等,arXiv 2023。[论文]

动态智能体

  1. WebGPT:基于人类反馈的浏览器辅助问答,Nakano 等,arXiv 2021。[论文]
  2. WebShop:面向可扩展真实网络交互的基于语言智能体,Yao 等,arXiv 2022。[论文]
  3. WebCPM:面向中文长文本问答的交互式网络搜索,Qin 等,ACL 2023。[论文]
  4. Mind2Web:面向网络的通用智能体,Deng 等,arXiv 2023。[论文]
  5. WebArena:用于构建自主智能体的真实网络环境,Zhou 等,arXiv 2023。[论文]
  6. 分层提示辅助大语言模型进行网络导航,Sridhar 等,EMNLP 2023(Findings)。[论文]

其他资源

  1. ACL 2023 教程:基于检索的语言模型及其应用,Asai 等,ACL 2023。[链接]
  2. 大型语言模型综述,Zhao 等,arXiv 2023。[论文]
  3. 信息检索遇上大语言模型:来自中国信息检索界的战略报告,Ai 等,arXiv 2023。[论文]

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多