走向“已知之未知”：GPT大语言模型助力实现以人为本的信息检索

[目的 /意义]信息检索是公共图书馆服务的核心，具有重要的社会价值。目前两种主流信息检索方法是基于关键词的自顶向下检索和基于人工智能的点对点检索。然而，分别采用这两种方法难以在灵活性与可靠性之间找到平衡，需要开发新的检索策略，实现以人为本的信息检索。[方法 /过程]本文基于认知科学理论提出了一种自适应文献检索框架（ALRF）。ALRF的两阶段工作流程可将两种主流检索方式的优势相结合，支持Chat GPT、GPT-4、文心一言等多种大语言模型，针对其在理学与工学、生物与医学、文学与社会学三大类文献的检索能力进行了测试。[结果 /结论]ALRF在灵活性与可靠性上均优于两种现有检索方法，更有潜力实现以用户为中心的公共信息检索服务。