ShiftRAG：解耦检索与生成的RAG框架
热点事件持续更新
ShiftRAG：解耦检索与生成的RAG框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Youmin Ko 等作者提出 ShiftRAG，一个解耦式 RAG 框架：它使用单一 LLM 主干，但把判别式检索学习与自回归生成分开，并通过将检索对齐结果投影为连续软 token，构建高带宽接口，向生成器注入检索侧信号。 该框架同时用软正交目标缓解 rank collapse，并以逐层相关性动态保留细粒度隐空间。作者称，实验显示它在检索与问答任务上显著优于 SOTA 基线，并保持主干基础能力与效率-性能权衡。
AI 根据报道生成 · 51 分钟前更新
最新进展11月4日 13:00
ShiftRAG：用解耦学习与连续软 token 绕过文本瓶颈报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLShiftRAG：用解耦学习与连续软 token 绕过文本瓶颈
ShiftRAG 是一个解耦式 RAG 框架，用单一 LLM 主干但将判别式检索学习与自回归生成分离，并通过把检索对齐结果投影为连续软 token 构建高带宽接口，向生成器注入检索侧信号。该框架同时用软正交目标缓解 rank collapse，并以逐层相关性动态保留细粒度隐空间。实验显示其在检索与问答任务上显著优于 SOTA 基线，并保持主干基础能力与效率-性能权衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。