从排名文档到可靠上下文：面向答案的人工智能搜索上下文构建框架

传统的网络搜索遵循面向人的范例，其中用户检查排名的文档并自行合成信息。在人工智能搜索中，检索到的文档作为生成模型的输入，将检索目标从按搜索满意度对文档进行排名转变为构建可靠的上下文以生成正确的答案。我们通过一个三阶段框架将这种转变表述为面向答案的上下文构建：（1）答案支持识别为答案生成提供信息的候选文档； (2) 内容可信度评估该信息是否从来源、时间和事实角度为正确答案提供了可靠的基础； (3) 上下文组织在有限的上下文预算下选择、合并和构建保留的信息，以实现一致和稳健的生成。我们进一步开发了一个涵盖先验和后验优化的工业工作流程，并建立了涵盖检索端上下文和最终答案的系统评估协议。实验表明检索和答案级别都有一致的改进，证明了该框架及其工业实施的有效性。