AURA 框架让检索模型学会「何时停止思考」，延迟从 4.6 秒降至 0.76 秒
_reachsumit · x · 2026-10-16
- Yingtao Luo 等人的论文提出 AURA 框架，被 EMNLP 2026 Findings 接收，解决推理条件化检索中「推理越多反而引入语义噪声」的问题。
- 核心做法：直接根据中间推理状态区分相关文档与硬干扰样本的能力来监督推理过程，并训练一个轻量效用估计器（utility estimator），在推理时自适应决定推理深度、提前停止。
- 在推理密集的 BRIGHT 基准上，AURA-4B 达到 34.7 平均 nDCG@10，每查询仅 2.8 步推理、96 个生成 token。
- 在同等部署条件下，自适应停止将延迟从 4.6 秒降到 0.76 秒；MS MARCO 上的结果表明该特化不会明显损害常规检索。
「研究」频道最新
- Nature 论文用 LLM 绘制人类语言神经元地图,机制可解释性已成现实 — raphaelmilliere · 2026-10-16
- 审稿人自述:把写好的审稿意见喂给 AI 复查,论文本身不上传 — StingMeleoron · 2026-10-16
- OpenAI proofdump 把 3SUM 纪录推向 O(n^1.921),Lean 验证通过 — iskander · 2026-10-16
- 为 Kaggle Gemma 4 竞赛选手整理的消融实验资源 — ayushthakur0 · 2026-10-16
- 专家预测 2100 年前全球 AI 灾难概率中位数为 5% — ben_j_todd · 2026-10-16
- 经济学家的历史镜鉴:拖拉机冲击下美国青少年延长在校时间 — soumitrashukla9 · 2026-10-16