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

成为VIP会员查看完整内容
37

相关内容

【MIT博士论文】高效深度学习计算的模型加速
专知会员服务
27+阅读 · 8月23日
【CIKM2023教程】深度聚类算法的应用,94页ppt
专知会员服务
51+阅读 · 2023年11月8日
【ICDM 2022教程】图挖掘中的公平性:度量、算法和应用
专知会员服务
27+阅读 · 2022年12月26日
专知会员服务
24+阅读 · 2021年7月8日
【KDD2020教程】多模态网络表示学习
专知会员服务
129+阅读 · 2020年8月26日
论文浅尝 | 采用多层注意力机制的事件检测
开放知识图谱
23+阅读 · 2019年8月24日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
论文浅尝 | 基于多模态关联数据嵌入的知识库补全
开放知识图谱
12+阅读 · 2018年12月13日
干货|当深度学习遇见自动文本摘要,seq2seq+attention
机器学习算法与Python学习
10+阅读 · 2018年5月28日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
25+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
26+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
Arxiv
156+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
139+阅读 · 2023年3月24日
Arxiv
20+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【MIT博士论文】高效深度学习计算的模型加速
专知会员服务
27+阅读 · 8月23日
【CIKM2023教程】深度聚类算法的应用,94页ppt
专知会员服务
51+阅读 · 2023年11月8日
【ICDM 2022教程】图挖掘中的公平性:度量、算法和应用
专知会员服务
27+阅读 · 2022年12月26日
专知会员服务
24+阅读 · 2021年7月8日
【KDD2020教程】多模态网络表示学习
专知会员服务
129+阅读 · 2020年8月26日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
25+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
26+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员