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
- MCP 链式调用无回滚：agent 工程的真实痛点 — agentrsdg · 2026-09-11
- DeepMind 等论文：设计文档当真相源，代码改为可抛弃产物 — Roger_M_Taylor · 2026-09-11
- 用 Agent 造小分类器：19 万文档标注成本仅 0.7 美元 — vanstriendaniel · 2026-09-11
- MathModelAgent 走红:自动完成数学建模并生成可提交论文 — jihe520 · 2026-09-11
- alphaXiv 开源 OpenResearch:用任意模型并行跑研究智能体 — alphaXiv · 2026-09-11
- 开源 AI 销售 OS DeskcommCRM 爆火:自带 Agent 与 WhatsApp 集成 — melgarafael · 2026-09-11