GGraphRAG 文献图谱自动同步
LIT-295111E3 · 年份待核验

From Matching to Generation: A Survey on Generative Information Retrieval

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。

摘要级记录优先级 P1作者待核验发表信息待核验
内容状态:摘要级记录。结构化摘录继承当前知识库的来源等级;具体 claim 应回到一手论文核验。

研究问题与动机

当前来源未提供可可靠提取的研究问题与动机,请回到原始笔记或一手论文补充。

方法与机制

当前来源未提供可可靠提取的方法与机制,请回到原始笔记或一手论文补充。

证据与结果

当前来源未提供可可靠提取的实验、结果与证据,请回到原始笔记或一手论文补充。

局限与开放问题

  • 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。

关联与拓展

暂无可可靠提取的关联研究段落;先从研究问题索引横向比较。

研究问题入口

Q3 证据检索与集合形成, Q6 证据来源与可解释性, Q7 鲁棒性与安全, Q8 效率与部署, Q9 评测与理论

展开原始论文笔记全文

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