arXiv cs.AI· Chao Wan, Paul J\"unger, Beixi Du, Bodong Liu, Navaneetha Krishnan, Kilian Q. Weinberger·· 14 小时前AI 评分40
DecisionRAG：用决策模型实现无检索器的文档导航
Retriever-Free Retrieval: Navigating Documents with Decision Models
AI 导读
DecisionRAG 提出一种无需第一阶段检索器的检索方法，用预训练语言模型的决策模型在单次前向中联合评估候选分支、不生成任何 token，从宽泛主题逐层导航到具体段落。
正文 · AI 翻译
摘要：尽管语言模型的能力已显著提升，检索仍主要依赖词法匹配或固定嵌入空间中的相似度。这造成了一种能力不对称：检索器找不到的内容，即使最强的生成器也无法恢复。我们提出 DecisionRAG，它利用决策模型将预训练语言模型的能力引入检索，在单次前向传播中联合评估候选分支，不生成任何 token，并表明在共享上下文中评判候选可使它们的相关性估计具有可比性。如同一个人在图书馆中浏览，DecisionRAG 沿着语料库的固有结构从宽泛主题逐层深入到单个段落，在每一层决定哪些分支值得探索。无需任务特定训练或第一阶段检索器，DecisionRAG 在 MultiDoc2Dial 上以 13.8 个 R@1 点、在 Natural Questions 上以 17.4 个 Hit@1 点超越使用 8B 重排序器的稠密检索。在包括 268 万篇维基百科段落语料库在内的四个基准上，每次查询的检索仅需 0.7-1.8 秒。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.35868 [cs.AI] |
| （或 arXiv:2610.35868v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35868 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Paul Jünger [查看邮箱]
[v1]
2026 年 10 月 26 日星期一 17:59:44 UTC（3,006 KB）
来源：arXiv cs.AI · arxiv.org