Zhao leitete die Ausarbeitung von „A Survey of Large Language Models“ — der mehr als 100-seitigen Synthesearbeit, die 2023 für eine Weile zur meistzitierten Referenz dafür wurde, was das LLM-Feld eigentlich enthielt. Die Arbeit hinter einer solchen Veröffentlichung ist weniger sichtbar als die methodischen Papers, die die betrachteten Arbeiten hervorgebracht haben: Jemand muss alles lesen, erkennen, welche Behauptungen einer Prüfung standhalten, wenn man sie nebeneinanderlegt, und das Ergebnis so strukturieren, dass es nützlich bleibt, wenn das Feld weitere sechs Monate weitergezogen ist. Seine längere Forschungslinie in Information Retrieval und Recommender-Systemen gibt der Survey-Arbeit ihre methodische Disziplin — dieselben Instinkte, die Fehler in der Übertragung von Recommender-Evaluation sauber erkennen, lassen sich auf Fehler in LLM-Evaluationsbehauptungen übertragen.

Lesenswert, wenn
man eine syntheseorientierte Einschätzung der LLM-Landschaft von jemandem will, der auf starken Grundlagen in Information Retrieval und Recommender-Systemen aufbaut und erkennen kann, welche Behauptungen einer Prüfung standhalten.
Themen
umfassende LLM-Landschaftssynthese; Grundlagen in Information Retrieval und Recommender-Systemen; die methodische Disziplin des Survey-Schreibens.
Zentrale Arbeiten
„A Survey of Large Language Models“ (2023, leitender Erstautor); langjähriges Werk zu Information Retrieval und Recommender-Systemen; Publikationen von Renmin GSAI zu LLM-augmentiertem Retrieval.