DecisionRAG 用决策模型替代检索器，超越 8B reranker 13.8 个点
omarsar0 · x · 2026-10-29
康奈尔与 ASAP 团队的新论文《Retriever-Free Retrieval》提出 DecisionRAG：用预训练决策模型直接导航语料库，从主题到文档再到段落逐层筛选，每层在单次前向传播中给所有候选打分（不生成 token），从而解决「检索器弱、生成器强」的能力不对称问题。
关键结果：
- 无需第一阶段检索器、无需任务微调，在 MultiDoc2Dial 上超越密集检索 + 8B reranker 13.8 个 R@1 点；在 Natural Questions 上超越 17.4 个 Hit@1 点（搜索 268 万维基百科段落）。
- 每次查询检索耗时仅 0.7–1.8 秒，覆盖四个基准。
核心思路：像人逛图书馆一样从粗到细遍历语料，在共享上下文中联合评判候选使相关性估计可比。对构建 RAG 系统的开发者是有价值的 bookmark 素材。
所属事件:康奈尔提出 DecisionRAG：用决策模型替代检索器(2 条相关)→
「编程与Agent」频道最新
- LukeW 办「疯狂 Agent 规模化」系列：5 位工程师讲大规模 AI agent 工作流 — LukeW · 2026-10-29
- AgentWeb 发布：47 项真实网站任务全通过，中位耗时 1.9 秒 — damnGruz · 2026-10-29
- vibe coding 之辩:关键不是读懂代码,而是懂系统该做什么 — brandon_galang · 2026-10-29
- 前员工创办 Mintive：给每个 AI Agent 独立身份与权限，融资1100万美元 — eptwts · 2026-10-29
- Harbor 框架 v0.25.0 出十招缓解 reward hacking — nirmal_dist · 2026-10-29
- LangChain Managed Deep Agents 上线浏览器操作能力 — LangChain · 2026-10-29