近日，山东大学计算机科学与技术学院通用智能实验室师生撰写的论文被SIGIR 2024录用。第47届国际信息检索大会(The 47th International ACM SIGIR Conference on Research and Development in Information Retrieval)将于2024年7月14日-2024年7月18日在美国华盛顿特区举行。SIGIR是是信息检索领域的旗舰会议，也是中国计算机学会CCF推荐的A类会议。                
录用的文章如下：

标题：Generative Retrieval as Multi-Vector Dense Retrieval                作者：吴世广，魏闻达，张孟奇，陈竹敏，马军，任昭春，Maarten de Rijke，任鹏杰                简介：信息检索是实现高效信息获取的关键技术。随着生成式模型技术的不断发展，生成式检索（Generative Retrieval）这一新型检索范式引起研究人员的广泛关注。其根据用户查询（query）通过生成式语言模型直接生成相关的文档或文档编号（document id），从而完成文档检索任务的端到端建模和优化。                我们的研究发现，生成式检索与多向量稠密检索（Multi-Vector Dense Retrieval）存在着内在联系。生成式检索实际上是多向量稠密检索的一种特殊情况，两者在计算用户查询与文档的相关性时采用了相同的框架，即通过查询向量、文档向量和对齐矩阵的乘积之和。不同之处在于，生成式检索采用了独特的策略来计算文档标记向量和对齐矩阵。                该发现揭示了生成式检索背后的内在机制，为发展新的检索模型提供了新的见解。由于多向量稠密检索目前是最先进的稠密检索方法，阐明生成式检索与之间的联系，对于充分发掘生成式检索的潜力至关重要。更多的实验信息和代码已公开至https://github.com/Furyton/GR-as-MVDR .

               

图：核心推导过程和结论