用谷歌的话来说，“SGE 是通过生成式人工智能改变搜索体验的早期步骤。使用 SGE 时，人们会注意到他们的搜索结果页面有熟悉的网页结果，这些结果以新的方式组织起来，帮助他们从一次搜索中获得更多。
借助搜索中的生成式人工智能，人们可以：
提出更复杂、更具描述性的新问题
更快地了解主题要点，并提供相关结果的链接以供进一步探索
开始做一些你需要快速做的事情，比如撰写草稿或直接从你搜索的地方生成图像
通过询问对话后续内容或尝试建议的后续步骤轻松取得进展”
本质上，借 RCS 数据法国 助 Google SGE，用户可以快速访问搜索主题的概览，这些概览方便地显示在搜索引擎结果页面的顶部。这些摘要可帮助用户识别网页的相关部分，并探索表达查询的新方法，就像 ChatGPT、Bing Chat 或 Bard 一样。
请参阅下面的屏幕截图来了解其现场情况：
Google SGE 结果示例
例如，以前你可能需要在 Google 中输入问题，然后点击最相关的结果来获取答案，而现在，SGE 会抓取整个网络，收集最准确、最相关的信息来回答你的问题。上面的截图就演示了这一点。
SGE简史
作为基本概述，SGE 通过 Google 的 REALM、RETRO 和 RARR 模型不断发展，利用语言模型和相关文档提供准确且信息丰富的搜索结果。
要深入了解 SGE 的工作原理，Search Engine Land 的这篇文章包含最详细的解释：https://searchengineland.com/how-search ... ure-433393
总而言之，谷歌于 2020 年 8 月推出了搜索生成体验（SGE），从“检索增强语言模型预训练（REALM）”开始。
REALM 可以从完整文档中识别并提取有价值的信息，与传统语言模型相比，其准确性更高。
谷歌的 DeepMind 团队通过“检索增强转换器（RETRO）”扩展了这一想法，这是一个类似的模型，但具有增强的上下文理解能力，从而产生了比 REALM 更连贯的文本。
他们进一步开发了“使用研究和修订 (RARR) 的改进归因”，它不是从头开始创建文本，而是改进现有段落，以潜在的计算成本提供准确性和信息性。
SGE 将 PaLM 2 和 MuM 语言模型与 Google 搜索组件相结合，使用文档索引和知识库来微调响应。
这一切都导致了 2024 年谷歌正式向公众推出 SGE（撰写本文时仅限美国）。