7月20日至24日，第49届ACM国际信息检索大会（ACM SIGIR 2026）在澳大利亚墨尔本举行。中国人民大学高瓴人工智能学院文继荣教授受大会邀请，发表题为《From Search to Ask to Act，The evolution of information access in the age of large models and agents》的主旨特邀报告，这是继徐宗本院士后，近十年第二位国内高校全职教授受邀SIGIR主会Keynote，也是本届唯一中国大陆主旨讲者。

作为国际信息检索领域公认的顶级学术会议，ACM SIGIR长期致力于推动信息检索理论、技术与应用的发展，是全球相关领域研究人员交流创新成果的重要平台，也是中国计算机学会（CCF）推荐的A类国际学术会议。SIGIR每届仅遴选少数深耕领域、具备重大学术影响力的顶尖专家学者担任主旨报告人，这份邀请是业界对学者学术成果与行业贡献的高度认可，属于极具含金量的学术荣誉。本届大会共邀请三位主旨报告人，除文继荣教授外，还包括SIGIR秘书长Bhaskar Mitra以及澳大利亚联邦科学院专家、澳大利亚技术与工程院院士Cécile Paris。

文继荣教授的报告系统梳理了大模型与智能体时代信息获取方式的变革。报告将这一变革过程划分为三个阶段。

第一个阶段是“搜索”。信息检索自诞生起便目标很高，希望机器理解用户意图，并为用户返回最需要的信息。然而，受限于技术，系统仅能实现理解简单查询、建立索引与文档排序，最终以链接列表的形式返回结果。数十年间，研究者围绕查询与文档之间的关系，设计了大量的信号来改进排序，此后又借助深度学习将文字表示为向量，实现语义匹配。然而，这些进展多集中于“匹配”环节，机器仍然很难真正理解用户的意图，尤其是复杂和模糊的意图。

第二个阶段是“提问”。大模型出现后，人们更习惯直接将问题发送给模型，期望一次获得完整的答案。这是一次重要的转变。传统的搜索过程可以看作是从已有的信息中进行挑选，而生成过程则需要将相关的信息组织成答案。大模型虽然知识丰富，但其难以实时更新，有时会给出看似可信实则错误的答案。针对这一问题，检索增强生成技术随之出现，通过让模型先查阅资料再作答，有效缓解了时效性与真实性问题。但检索轮数有限，面对复杂问题易遗漏信息，也难以判断何时需再次检索。

第三个阶段是“行动”。搜索由此走向智能体时代。搜索智能体可以先进行规划，再检索、阅读与反思，在撰写中发现缺失的信息，反复迭代，直至任务完成。过程中它只保留真正有价值的证据，而非简单堆砌网页。当搜索无法解决问题时，它还可以调用其他工具。搜索智能体产出的形式也随之改变，从一组链接转变为一份有证据且附带引用的完整答案。

报告最后强调，模型越强，就越依赖检索。具备自我进化、能长期自主开展研究、更加高效可信的智能体，是未来的重要方向。可以预见，下一代搜索引擎很可能是一个能够根据用户需求，自主开展研究的智能体。从搜索，到提问，再到行动，信息获取方式正在经历深刻的变革。

人大高瓴人工智能学院赴SIGIR 2026参会师生

中国人民大学高瓴人工智能学院师生有18篇论文被SIGIR 2026录用，其中长文16篇，Resource论文2篇，录用论文数排名世界第一。近年来，中国人民大学人工智能学科科研实力在国际计算机排行榜CSRankings中连续多年位居世界前列，互联网与信息检索方向2024—2026年位居世界第1。