関連性を超えて：LLM時代のユーティリティ中心の検索

要旨: 情報検索システムは伝統的に、トピック的関連性、すなわち、検索された文書がクエリにどの程度一致するか、を最適化してきました。しかし、関連性はより深い目標の近似にすぎません。すなわち、有用性、つまり検索された情報が、ユーザーの根本的なタスクの達成に役立つかどうかです。検索拡張生成（RAG）の登場は、このパラダイムを根本的に変えました。検索された文書は、もはやユーザーが直接消費するのではなく、回答を生成する大規模言語モデル（LLM）のための根拠として機能します。その結果、検索の有効性は、関連性ベースのランキング指標だけでなく、生成品質への寄与によって評価される必要があります。本チュートリアルでは、検索の目的が、関連性中心の最適化からLLM中心の有用性へと進化していることを論じます。LLMに依存しない有用性とLLMに特化した有用性、文脈非依存の有用性と文脈依存の有用性、そしてLLMの情報ニーズとエージェント的RAGとの関連性をカバーする統一的フレームワークを提示します。近年の進歩を統合することで、本チュートリアルは、概念的基盤と、LLMベースの情報アクセスの要件に整合する検索システムを設計するための実践的な指針を提供します。