本文是LLM系列文章，针对《Large Search Model: Redefining Search Stack in the Era of LLMs》的翻译。
现代搜索引擎建立在一堆不同的组件之上，包括查询理解、检索、多级排名和问答等。这些组件通常是独立优化和部署的。在本文中，我们引入了一个新的概念框架，称为大型搜索模型，该框架通过将搜索任务与一个大型语言模型（LLM）统一来重新定义传统的搜索堆栈。所有任务都被公式化为自回归文本生成问题，允许通过使用自然语言提示来定制任务。该框架利用了LLM强大的语言理解和推理能力，在简化现有繁琐搜索堆栈的同时，提供了提高搜索结果质量的潜力。为了证实该框架的可行性，我们进行了一系列概念验证实验，并讨论了在现实世界的搜索系统中实现该方法的潜在挑战。