Google 发布 Retrieve-for-Train：用轻量扩散模型替代重型自回归推理
gaganghotra_ · x · 2026-09-16
Google Research 发布 Retrieve-for-Train 框架（ICML 2026 论文），用一次强化学习训练出的轻量扩散模型，替代昂贵的自回归"思考预算"推理，即时生成专家级的 AI 搜索结果组合（slate）。
- 解决的问题：现代搜索/推荐需要返回一组连贯互补的结果（搜"露营装备"应得到帐篷+睡袋+炉子+头灯，而非十个相似帐篷）。这依赖 query fan-out——把宽泛查询拆成多个子查询，但让 LLM 做数据库感知的动态拆解会消耗大量推理算力。
- 方法：reward-to-data compilation 框架，用 RL 一次性训练扩散模型，绕过测试时的自回归计算，以极低成本即时产出满足集合级属性（多样性、覆盖度、互补性、连贯性）且锚定目标语料库的检索结果。
- 作者为 Pengcheng Jiang 与 Judith Yue Li。
所属事件:谷歌 Retrieve-for-Train：训练时思考，搜索亚秒响应(6 条相关)→
「Infra」频道最新
- B200/H100 租金周内创新高，年内涨 47% 和 31% — TheZachMueller · 2026-11-02
- vikhyatk:通往奇点路上算力将交替出现过剩与短缺 — TheZachMueller · 2026-11-02
- Mac 端 PyTorch 10 月下载量达 329 万,环比涨 20.5% — LysandreJik · 2026-11-02
- CVSS 9.8 严重漏洞:ingress-nginx 可被未认证攻击者实现 RCE — evilsocket · 2026-11-02
- 内存涨价三倍，特斯拉把 Optimus 大脑内存砍掉三分之一 — aakashgupta · 2026-11-02
- 1.7B 本地模型 LFM3 在 MacBook 上首次答对曼城赛程查询 — NielsRogge · 2026-11-02