Answer-Reconstruction Search Density: Measuring the Query and Source Work Compressed by Conversational Answers
回答重建搜索密度：量化对话式答案的查询与来源压缩工作量
🧭 对话搜索评估 · 查询压缩度量
Aiso, Tel Aviv, Israel
提出 ARSD 度量，用最小查询次数覆盖答案信息单元，量化对话系统对搜索工作的压缩程度
📌 工作参考价值（4 点）
- 在电商对话Agent中，可用类似集合覆盖度量评估生成答案的信息密度，判断一次回答替代了多少次传统搜索，指导摘要长度与粒度优化。
- 对RAG生成的商品对比或推荐理由，可定义可检索信息单元，计算所需最少查询数，作为回答效率KPI，嵌入A/B测试。
- 查询分解策略设计时，可将ARSD作为奖励信号，训练模型用更少子查询覆盖关键信息，降低下游检索成本。
- 页面密度指标可分离查询压缩与来源压缩效应，帮助定位是提问不够聚焦还是答案引用冗余，指导改写或结果聚合模块的迭代。