생성한 후 검색하기: LLM을 답변 및 질의 생성기로 사용한 대화형 응답 검색

CIS는 대화형 지식 비서 개발에 중점을 둔 IR의 주요 분야입니다. 이러한 시스템은 대화 맥락 내에서 사용자의 정보 요구를 능숙하게 이해하고 관련 정보를 검색해야 합니다. 이를 위해 기존 접근 방식은 사용자의 정보 필요를 재작성된 질의라는 하나의 질의로 모델링하고 이 질의를 사용하여 문단을 검색합니다. 본 논문에서는 검색 향상을 위해 여러 질의를 생성하기 위한 세 가지 다른 방법을 제안합니다. 이 방법들에서는 대규모 언어 모델(LLM)의 사용자의 정보 요구 이해 및 적절한 응답 생성 능력을 활용하여 여러 질의를 생성합니다. 우리는 GPT-4 및 Llama-2 챗을 포함한 다양한 LLM을 활용하여 제안된 모델을 구현하고 평가합니다. 또한 gpt 3.5 판단을 기반으로 TREC iKAT에 대한 새로운 벤치마크를 제안합니다. 우리의 실험은 TREC iKAT 데이터세트에서 제안된 모델의 효과를 보여줍니다.