DecisionRAG以决策模型替代检索器

2026年10月29日，Elvis Saravia 在 X 上介绍 DecisionRAG：该方法用决策模型从主题逐层下钻到文档和段落，每层通过一次前向传播为所有候选打分，不生成 token，只保留最有希望的分支。报道称其无需一阶段检索器和任务特定训练，在 MultiDoc2Dial 上比稠密检索加 8B 重排器高 13.8 R@1，在 Natural Questions（268 万维基百科段落）上高 17.4 Hit@1。目前该工作仍处于介绍阶段，尚无后续独立验证或复现报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。