Nan Duan

Beaucoup de requêtes du monde réel sont de mauvaises requêtes — vagues, privées de contexte, formulées d'une manière que le module de recherche (retriever) ne peut pas faire correspondre aux documents qui y répondraient réellement. La ligne de Duan sur "Query Rewriting in RAG" (2023, auteur senior) entraîne un LLM à réécrire la requête d'entrée sous une forme exploitable par le module de recherche (retriever), et à le faire de manière adaptative selon ce que le système possède déjà en contexte. La conséquence méthodologique pour ai100 est directe : lorsque vous mesurez la visibilité d'une marque dans un modèle, l'étape amont de réécriture décide silencieusement quelles marques le module de recherche (retriever) peut même considérer comme candidates — et cette étape est rarement auditée.

À lire lorsque

vous voulez savoir ce qui se passe entre « l'utilisateur tape une requête » et « le module de recherche (retriever) cherche des documents » — la couche où beaucoup de décisions de mention de marque sont déjà prises.

Thèmes

réécriture de requête par LLM pour la génération augmentée par recherche (RAG); reformulation de requêtes conversationnelles; couche silencieuse entre l'entrée utilisateur et la recherche.

Travaux clés

"Query Rewriting in Retrieval-Augmented Large Language Models" (2023, auteur senior); travaux fondateurs en QA et NLP multimodal dans les années 2010; travaux en cours sur les modèles de fondation en recherche industrielle.