基本信息
- 作者: Xiaoxi Li, Jiajie Jin, Yujia Zhou, Yuyao Zhang, Peitian Zhang, Yutao Zhu, Zhicheng Dou
- 发表: ACM Transactions on Information Systems (TOIS), 2025
- 预印本: arXiv:2404.14851, 2024
- 关联主题: 生成式信息检索(GenIR)、文档标识符、可靠响应生成
一句话理解
这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。
范式划分
1. Generative Retrieval(GR)
模型将语料信息记入参数,给定查询 q 后直接生成相关文档标识符:
q -> p(id(d) | q) -> id(d) -> d
它不依赖传统的显式向量索引或倒排索引作为第一步,而把文档寻址转化为序列生成。综述从模型训练、模型结构、标识符设计、增量学习和下游任务适配等维度归纳该路线。
2. Reliable Response Generation(RRG)
模型不只返回文档列表,而是生成满足用户信息需求的响应。其关键问题是如何结合模型内部记忆与外部知识增强,使生成结果保持相关、可验证和可靠。
q + internal memory + external evidence -> response
阅读重点
- 标识符是 GenIR 的核心接口:它决定模型如何把生成序列映射回可检索文档,也直接影响可扩展性与歧义。
- 增量学习仍是难点:语料更新不能只依赖重新训练,GenIR 需要处理新文档、旧知识与灾难性遗忘之间的矛盾。
- 评价不能只看召回:除检索质量外,还需考察索引/训练成本、生成延迟、更新能力、鲁棒性及响应的事实可靠性。
与当前阅读的关系
Generative-Retrieval-Identifier-Ambiguity 给出了这条综述中“标识符设计与解码”问题的具体反例:生成模型即使能克服稠密检索的表示限制,也会在非唯一标识符或难负例下失效。两篇一起阅读可形成完整链条:
匹配式检索的限制 -> GenIR 的生成式替代 -> 标识符歧义带来的新限制
局限
- 综述提供的是领域地图,不构成不同 GenIR 方法在统一预算、统一语料和统一更新设置下的实证结论。
- “可靠响应生成”覆盖面较广,阅读具体方法时仍需区分纯参数记忆、检索增强和端到端生成的证据接口。
相关笔记
来源
- DOI: https://doi.org/10.1145/3722552
- arXiv: https://arxiv.org/abs/2404.14851
- 代码与阅读列表: https://github.com/RUC-NLPIR/GenIR-Survey