NExT-Search: Восстановление экосистемы пользовательских отзывов для генеративного поиска на основе ИИ

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

May 20, 2025

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

cs.AI

Аннотация

Генеративный ИИ-поиск трансформирует информационный поиск, предоставляя комплексные ответы на сложные запросы, что снижает зависимость пользователей от ручного просмотра и обобщения множества веб-страниц. Однако, хотя этот подход повышает удобство, он нарушает цикл улучшений, основанный на обратной связи, который исторически двигал эволюцию традиционного веб-поиска. Веб-поиск может непрерывно совершенствовать свои модели ранжирования, собирая масштабные и детализированные данные о пользовательской активности (например, клики, время пребывания) на уровне документов. В отличие от этого, генеративный ИИ-поиск работает через более длинный поисковый конвейер, включающий декомпозицию запросов, извлечение документов и генерацию ответов, но обычно получает лишь обобщённую обратную связь на финальный результат. Это создаёт разрыв в цикле обратной связи, где отзывы пользователей о конечном выводе не могут быть эффективно сопоставлены с конкретными компонентами системы, что затрудняет улучшение каждого промежуточного этапа и поддержание цикла обратной связи. В данной статье мы представляем NExT-Search, новое поколение поискового подхода, призванного вернуть детализированную обратную связь на уровне процессов в генеративный ИИ-поиск. NExT-Search объединяет два взаимодополняющих режима: Режим отладки пользователем, который позволяет активным пользователям вмешиваться на ключевых этапах; и Режим теневого пользователя, где персонализированный агент имитирует предпочтения пользователя и предоставляет ИИ-ассистированную обратную связь для менее активных пользователей. Кроме того, мы рассматриваем, как эти сигналы обратной связи могут быть использованы через онлайн-адаптацию, которая уточняет текущие результаты поиска в реальном времени, и офлайн-обновление, которое агрегирует логи взаимодействий для периодической тонкой настройки моделей декомпозиции запросов, извлечения и генерации. Возвращая контроль человека над ключевыми этапами конвейера генеративного ИИ-поиска, мы считаем, что NExT-Search предлагает перспективное направление для создания богатых обратной связью ИИ-поисковых систем, способных непрерывно развиваться вместе с отзывами пользователей.

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.