この論文では、大規模言語モデル（LLM）を密集検索機として活用する際に、ドメイン特化が検索効率に与える影響を体系的に調査します。テキスト、コード、画像、およびマルチモードコンテンツを処理できる統合検索機能を開発するための重要なステップで、LLMのタスク固有の適応が検索機能にどのように影響するかを実験的に分析します。 8つのQwen2.5 7B LLM（基本、指示調整、コード/数学特化、長文推論、ビジョン言語モデル）を使用して、ゼロショット検索設定と地図学習設定で幅広い実験を行います。ゼロショット検索設定では、BEIRベンチマークのテキスト検索とCoIRベンチマークのコード検索を考慮し、マップ学習のパフォーマンス評価のためにすべてのLLMをMS MARCOデータセットに微調整します。数学特化と長文推論機能は、3つの設定で一貫してパフォーマンスの低下を引き起こし、数学的推論とセマンティックマッチングの間の衝突を示唆しています。ビジョン - 言語モデルとコードに特化したLLMは、他のLLMと比較して優れたゼロショット性能を示し、コード検索操作でBM25を上回り、地図学習設定ではデフォルトのLLMと同様のパフォーマンスを維持します。これらの結果は、クロスドメインとモード間の融合を活用する統合検索操作の有望な方向を示しています。
