TREC iKAT 2023: The Interactive Knowledge Assistance Track Overview

要約

会話による情報探索は、ユーザーの要求を自然に解釈して応答するための基礎を提供する大規模言語モデルの開発により、ここ数年で急速に進化しました。
iKAT は、ユーザーの以前の対話と現在のコンテキストに基づいて応答を適応させる会話型検索エージェントの作成と研究に重点を置いています。
これは、同じ質問でも、ユーザーのプロフィールや好みに応じて、さまざまな答えが得られる可能性があることを意味します。
課題は、会話型検索エージェント (CSA) がパーソナライズされたコンテキストを組み込んで、関連情報をユーザーに効果的に案内できるようにすることにあります。
iKAT の初年度は 7 チームが参加し、合計 24 回のランが行われました。
ほとんどの実行では、パイプラインで大規模言語モデル (LLM) を利用しましたが、いくつかは生成してから取得するアプローチに焦点を当てていました。

要約(オリジナル)

Conversational Information Seeking has evolved rapidly in the last few years with the development of Large Language Models providing the basis for interpreting and responding in a naturalistic manner to user requests. iKAT emphasizes the creation and research of conversational search agents that adapt responses based on the user’s prior interactions and present context. This means that the same question might yield varied answers, contingent on the user’s profile and preferences. The challenge lies in enabling Conversational Search Agents (CSA) to incorporate personalized context to effectively guide users through the relevant information to them. iKAT’s first year attracted seven teams and a total of 24 runs. Most of the runs leveraged Large Language Models (LLMs) in their pipelines, with a few focusing on a generate-then-retrieve approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google