两篇论文让 LLM 同时改进检索索引和答案归因
_reachsumit · x · 2026-07-22
两篇检索研究：一篇优化索引程序，一篇生成可溯源答案片段
这条帖子同时提到两篇偏检索/RAG 的论文，核心都是让检索系统更聪明、更可控。
AutoIndex: Learning Representation Programs for Retrieval
- 论文把文档表示当成一种可以被优化的“程序”。
- 方法是让 LLM agents 去诊断检索失败原因，并合成更好的索引程序。
- 研究场景里使用的是固定的 BM25 检索器，重点在于如何改进表示与索引策略。
RAGnRoll: Learning to Iteratively Retrieve and Generate Attributable Answer Snippets
- 通过多轮分解和子查询规划训练模型。
- 目标不是单纯生成答案，而是生成有依据、可归因（attributed）的答案片段。
两篇工作的共同点是：都在尝试让检索/生成链路更适配复杂问题，并尽量提高答案的可追溯性与可信度。
所属事件:AutoIndex框架提出表征程序优化新范式(8 条相关)→
「编程与Agent」频道最新
- AustinLangChain 分享 RAG 变体：预计算黄金答案运行时精确匹配 — colinmcnamara · 2026-10-27
- 开发者观点：与 agent 交互式协作仍有未被挖掘的价值 — alex_frantic · 2026-10-27
- 研究者发起 AMA:揭秘「平民开发者」用 AI Agent 自动化企业工作 — Loose_Rip359 · 2026-10-27
- Gradio 推 ML Intern 人工介入：训练前可暂停审核数据 — Gradio · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- Unity 前开发者:OpenClaw 清理得不错,值得再试一次 — lucasmeijer · 2026-10-27