QReason 论文:解耦思维链让 LLM 重排器免重复推理降延迟

_reachsumit · x · 2026-09-28

arXiv 论文 QReason 提出面向段落重排的高效解耦思维链框架:现有 listwise LLM 重排器用滑动窗口反复生成高度相似的 CoT,冗余大、延迟高。QReason 训练一个专用 rewriter,只生成一次排序导向的推理查询并在所有窗口复用,配合非推理 LLM 重排器完成相关性判断。训练分两阶段:先用相关段落语义证据做监督微调生成有依据的查询级 CoT,再用强化学习对齐列表级指标和段落判别目标。在 BRIGHT 基准上显著减少冗余推理,排名性能与强推理重排器相当或更优。