MLNLP
社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。

社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。
尊敬的学术界和工业界专家学者们，
我们荣幸地邀请您参与并提交论文至TheWebConf 2024（WWW ’24）会议中的“Information Retrieval Meets Large Language Models”研讨会。这一专题研讨会致力于深入探索大型语言模型（LLMs）在信息检索（IR）领域中所带来的革命性机遇与挑战。
本次研讨会将于2024年5月13日在新加坡举行。我们鼓励您提交4至8页的论文，按照ACM会议的格式进行编辑和提交。被录取的论文可自由选择是否收录进TheWebConf Companion Proceedings。
本次研讨会的核心目标是在信息检索与大型语言模型之间搭建桥梁，开创新的研究方向。我们将重点探讨LLMs如何改变人们信息获取方式，并解决LLMs在信息检索中的固有限制，如幻觉问题和知识更新不及时等。长期来看，大语言模型的出现有可能会改变已经沿用几十年的信息检索框架。我们诚挚邀请您提交论文，分享您在信息检索与大型语言模型融合领域的最新研究成果和应用案例。在本次研讨会上，您将有机会与众多领域内的专家学者进行深入交流，共同探索如何推动大型语言模型在信息检索领域的研究和发展。我们期待您的贡献，共同探讨和分享在信息检索系统中遇到的LLMs所带来的机遇与挑战，这些主题包括但不限于：
- 利用大型语言模型（如ChatGPT等）提升各类信息检索任务的性能，包括召回、排序、查询改写等；
- 大型语言模型在各类搜索场景下的应用，例如对话式搜索、个性化搜索、会话搜索等；
- 基于大型语言模型的文档索引策略，如利用参数化索引实现生成式检索、文档摘要等任务；
- 检索增强的大型语言模型的基准测试、训练策略、推理策略、评估方法；
- 适应于搜索场景的大型语言模型训练、微调、推理策略；
- 基于大型语言模型的信息检索评价指标的设计；
- 在大型语言模型上的检索器适配；
- 大型语言模型与传统信息检索模型的融合；
- 多语言和多模态场景下的拓展。
- 大语言模型在信息检索系统应用中的信任与伦理问题。
详细的论文征稿信息参见 Workshop 官网 (https://irmeetsllm.github.io/)。

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。
社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。
继续阅读
阅读原文