【SIGIR2024教程】基于大语言模型的信息检索代理

信息检索的核心目标已不仅仅是将用户与其搜索的相关信息连接起来，还包括丰富连接的多样性、个性化和互动性，确保信息检索过程在全球数字时代中尽可能无缝、有效和支持性。目前的信息检索系统通常面临一些挑战，例如对查询理解的限制、响应的静态和僵化、个性化程度有限以及互动性受限。随着大语言模型（LLMs）的出现，通过将LLM驱动的代理集成到这些系统中，带来了变革性的范式转变。这些代理具备记忆和规划等关键的人类能力，使其在完成各种任务时表现得像人类一样，有效地增强用户参与度并提供量身定制的互动。

在本教程中，我们将深入探讨LLM驱动代理在各种信息检索领域中的前沿技术，例如搜索引擎、社交网络、推荐系统和对话助手。我们还将探讨在无缝集成这些代理时面临的挑战，并指出可能彻底改变信息检索方式的未来研究方向。 https://llmagenttutorial.github.io/sigir2024