NExT-Search：重建生成式AI搜索的用户反馈生态系统

生成式 AI 搜索正通过为复杂查询提供端到端答案来重塑信息检索，减少用户对手动浏览和总结多个网页的依赖。然而，尽管这种范式增强了便利性，但它破坏了历史上推动传统 Web 搜索演进的反馈驱动改进循环。Web 搜索可以通过收集文档级别的大规模、细粒度用户反馈（例如，点击、停留时间）来持续改进其排名模型。相比之下，生成式 AI 搜索通过一个更长的搜索管道运作，包括查询分解、文档检索和答案生成，但通常只接收对最终答案的粗粒度反馈。这引入了反馈循环的断裂，用户对最终输出的反馈无法有效地映射回特定的系统组件，使得改进每个中间阶段和维持反馈循环变得困难。在本文中，我们设想了 NExT-Search，这是一个旨在将细粒度的过程级反馈重新引入生成式 AI 搜索的下一代范式。NExT-Search 集成了两种互补模式：用户调试模式（User Debug Mode），允许积极参与的用户在关键阶段进行干预；以及影子用户模式（Shadow User Mode），其中个性化用户代理模拟用户偏好，并为互动较少用户提供 AI 辅助反馈。此外，我们设想了如何通过在线适应（实时优化当前搜索输出）和离线更新（聚合互动日志以定期微调查询分解、检索和生成模型）来利用这些反馈信号。通过恢复人类对生成式 AI 搜索管道关键阶段的控制，我们相信 NExT-Search 为构建能够随着人类反馈持续进化的反馈丰富的 AI 搜索系统提供了一个有希望的方向。