圖書信息
內容簡介
對 arXiv cs.IR 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 132 篇論文 的細讀整理，組織為 37 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 信息檢索與稠密多模態基準 (20.9%) — 發展稠密檢索模型與多模態基準，以衡量異構內容上的檢索質量。
- 基於大語言模型的推薦與智能體排序 (11.1%) — 運用大語言模型驅動推薦與排序，包括對用戶-物品交互的智能體接口。
- 智能體式 AI 搜索與語義向量檢索 (10.9%) — 探索面向開放與任務導向信息訪問的智能體搜索代理與語義向量檢索。
- 多智能體系統與多跳推理框架 (10.4%) — 研究多智能體架構與多跳推理，以在多個檢索步驟間分解複雜查詢。
- 知識圖譜與檢索增強問答 (9.7%) — 將知識圖譜與檢索增強問答相結合，支持基於事實的回答。
- 多模態與跨域序列推薦的進展 (8.1%) — 對多模態與跨域設定下的用戶行為建模，以改進序列推薦。
- 大語言模型及其應用 (7.8%) — 綜述大語言模型的能力及其在信息檢索與文本處理任務中的應用。
- 生成式推薦與檢索 (5.7%) — 探索利用語義標識符的生成式與擴散式推薦及檢索方法。
- 多模態表示的強化與對比學習 (5.6%) — 應用強化與對比學習，學習用於排序與檢索的多模態表示。
- 檢索增強生成與多模態框架 (5.3%) — 研究將語言模型立足於外部知識的檢索增強生成流程，涵蓋多模態與跨模態檢索。
- 對話式與智能體推薦系統的進展 (4.6%) — 研究與用戶交互以優化推薦的對話式與智能體推薦系統。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
