从相关性到权威：网络搜索引擎中的权威感知生成检索

生成信息检索 (GenIR) 将检索过程制定为文本到文本生成任务，利用 大语言模型 的丰富知识。然而，现有的工作主要针对相关性进行优化，而往往忽视文档的可信度。这对于医疗保健和金融等高风险领域至关重要，在这些领域中，仅依赖语义相关性可能会检索到不可靠的信息。为了解决这个问题，我们提出了一个权威感知生成 检索器 (AuthGR)，这是第一个将权威纳入 GenIR 的框架。 AuthGR 由三个关键组成部分组成：(i) 多模式权威评分，它采用视觉语言模型来量化文本和视觉线索的权威； (ii) 三阶段训练流程，逐步向 检索器 灌输权威意识； (iii) 用于稳健部署的混合集成管道。离线评估表明 AuthGR 成功提高了权威性和准确性，我们的 3B 模型与 14B 基线相匹配。至关重要的是，在商业网络搜索平台上进行的大规模在线 A/B 测试和人工评估证实了现实世界用户参与度和可靠性的显着改善。