Nan Duan

Muchas consultas reales son malas consultas: vagas, sin contexto, formuladas de maneras que el recuperador no puede casar con documentos que sí responderían a la pregunta. La línea de Duan en "Query Rewriting in RAG" (2023, autor sénior) entrena un LLM para reescribir la consulta de entrada en una forma con la que el recuperador pueda trabajar, y para hacerlo de manera adaptativa según lo que el sistema ya tenga en contexto. La consecuencia metodológica para ai100 es directa: cuando se mide la visibilidad de una marca en un modelo, el paso previo de reescritura está decidiendo en silencio qué marcas llega siquiera a ver el recuperador como candidatas, y ese paso rara vez se audita.

Vale la pena seguirlo cuando

se quiere saber qué ocurre entre "el usuario escribe una consulta" y "el recuperador busca documentos": la capa donde muchas decisiones de mención de marcas ya se han tomado.

Temas

reescritura de consultas basada en LLM para RAG; reformulación de consultas conversacionales; la capa silenciosa entre la entrada del usuario y la recuperación.

Obras clave

"Query Rewriting in Retrieval-Augmented Large Language Models" (2023, autor sénior); trabajo fundacional en QA y NLP multimodal durante la década de 2010; trabajo en curso sobre modelos fundacionales en investigación industrial.