DecisionRAG：以决策模型替代检索器

2026年10月29日，DAIR.AI 的 Elvis Saravia 在 X 上推荐了一篇论文，该论文提出 DecisionRAG：用决策模型替代 RAG 流程中的检索器。模型从宽泛主题逐层缩小到文档、再到段落，每一层在一次前向传播中为所有候选打分，不生成 token，只保留最有希望的候选分支。据该报道，在无第一阶段检索器、也无任务特定训练的条件下，该方法在 MultiDoc2Dial 上比稠密检索加 8B 重排器高 13.8 个 R@1 点，在 Natural Questions 上高 17.4 个 Hit@1 点，后者需检索 268 万条维基百科段落；单次查询检索耗时 0.7 至 1.8 秒、成本 0.2 至 2.3 美分。上述数字与条件均出自该来源对论文的描述，尚待独立验证。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。