专利检索

传统的专利检索主要依赖关键词匹配，即系统返回包含查询词语的文档。

在专利检索场景中，漏检（低召回率）的代价往往高于误检（低精确率），因此研究者通常更关注召回率，同时通过排序优化来控制精确率。

大语言模型在专利检索中可用于查询扩展，即根据初始查询自动生成语义等价或相关的检索表达，从而提升召回率。