NExT-Search: Reconstruindo o Ecossistema de Feedback do Usuário para Busca com IA Generativa

NExT-Search: Rebuilding User Feedback Ecosystem for Generative AI Search

May 20, 2025

Autores: Sunhao Dai, Wenjie Wang, Liang Pang, Jun Xu, See-Kiong Ng, Ji-Rong Wen, Tat-Seng Chua

cs.AI

Resumo

A busca generativa de IA está transformando a recuperação de informações ao oferecer respostas de ponta a ponta para consultas complexas, reduzindo a dependência dos usuários em navegar e resumir manualmente várias páginas da web. No entanto, embora esse paradigma aumente a conveniência, ele interrompe o ciclo de melhoria baseado em feedback que historicamente impulsionou a evolução da busca tradicional na web. A busca na web pode melhorar continuamente seus modelos de classificação ao coletar feedback em larga escala e granularidade fina (por exemplo, cliques, tempo de permanência) no nível do documento. Em contraste, a busca generativa de IA opera por meio de um pipeline de busca muito mais longo, abrangendo decomposição de consultas, recuperação de documentos e geração de respostas, mas normalmente recebe apenas feedback de granularidade grossa sobre a resposta final. Isso introduz uma desconexão no ciclo de feedback, onde o feedback do usuário para a saída final não pode ser efetivamente mapeado de volta para componentes específicos do sistema, dificultando a melhoria de cada estágio intermediário e a sustentação do ciclo de feedback. Neste artigo, vislumbramos o NExT-Search, um paradigma de próxima geração projetado para reintroduzir feedback granular e em nível de processo na busca generativa de IA. O NExT-Search integra dois modos complementares: o Modo de Depuração do Usuário, que permite que usuários engajados interajam em estágios-chave; e o Modo de Usuário Sombra, onde um agente de usuário personalizado simula as preferências do usuário e fornece feedback assistido por IA para usuários menos interativos. Além disso, vislumbramos como esses sinais de feedback podem ser aproveitados por meio de adaptação online, que refina as saídas de busca atuais em tempo real, e atualização offline, que agrega logs de interação para ajustar periodicamente os modelos de decomposição de consultas, recuperação e geração. Ao restaurar o controle humano sobre estágios-chave do pipeline de busca generativa de IA, acreditamos que o NExT-Search oferece uma direção promissora para a construção de sistemas de busca de IA ricos em feedback que podem evoluir continuamente junto com o feedback humano.

English

Generative AI search is reshaping information retrieval by offering end-to-end answers to complex queries, reducing users' reliance on manually browsing and summarizing multiple web pages. However, while this paradigm enhances convenience, it disrupts the feedback-driven improvement loop that has historically powered the evolution of traditional Web search. Web search can continuously improve their ranking models by collecting large-scale, fine-grained user feedback (e.g., clicks, dwell time) at the document level. In contrast, generative AI search operates through a much longer search pipeline, spanning query decomposition, document retrieval, and answer generation, yet typically receives only coarse-grained feedback on the final answer. This introduces a feedback loop disconnect, where user feedback for the final output cannot be effectively mapped back to specific system components, making it difficult to improve each intermediate stage and sustain the feedback loop. In this paper, we envision NExT-Search, a next-generation paradigm designed to reintroduce fine-grained, process-level feedback into generative AI search. NExT-Search integrates two complementary modes: User Debug Mode, which allows engaged users to intervene at key stages; and Shadow User Mode, where a personalized user agent simulates user preferences and provides AI-assisted feedback for less interactive users. Furthermore, we envision how these feedback signals can be leveraged through online adaptation, which refines current search outputs in real-time, and offline update, which aggregates interaction logs to periodically fine-tune query decomposition, retrieval, and generation models. By restoring human control over key stages of the generative AI search pipeline, we believe NExT-Search offers a promising direction for building feedback-rich AI search systems that can evolve continuously alongside human feedback.