Новая парадигма поиска информации, где вместо списка ссылок (SERP) пользователь получает готовый, сгенерированный языковой моделью ответ, обобщающий информацию из различных источников. Меняет взаимодействие пользователя с информацией.
Пример: В Perplexity пользователь спрашивает: «Какой ноутбук лучше купить для работы с графикой и игр в 2024 году до 1500$?». Система не показывает 10 ссылок, а генерирует структурированный ответ с 2-3 рекомендациями моделей, их плюсами, минусами и ссылками на источники.
Поиск на базе LLM (LLM-based Search) представляет собой инновационный подход к информационному поиску, при котором пользователь получает не традиционный список ссылок, а связный, сгенерированный большой языковой моделью (LLM) ответ.
Основное отличие от классических поисковых систем заключается в переходе от индексации и ранжирования документов к пониманию запроса и синтезу информации. LLM анализирует запрос пользователя, извлекает релевантные данные из множества источников (текстов, баз данных, статей) и самостоятельно формирует полноценный ответ, объединяя информацию из разных мест. Это позволяет получать не просто релевантные документы, а прямые, осмысленные ответы на сложные вопросы, что существенно экономит время пользователя и повышает качество взаимодействия с поисковой системой.
Как правило, такой поиск применяет методы Генерации с поиском (Retrieval-Augmented Generation, RAG), когда LLM дополняет свои знания актуальной информацией из внешних баз данных, прежде чем сгенерировать ответ. Это снижает риск 'галлюцинаций' и повышает точность ответов. Для пользователя это означает более персонализированную и эффективную выдачу, которая может включать обобщения, сравнения или даже пошаговые инструкции, напрямую отвечающие на его вопрос, без необходимости перехода по ссылкам.