DecisionRAG 用决策模型替代稠密检索，四项基准大幅领先
kalyan_kpl · x · 2026-10-30
论文介绍 DecisionRAG：不用稠密 embedding 模型做检索，而是用 Decision Models。工作方式类似人在图书馆找书，从语料库的固有结构自宽泛主题逐层导航到具体段落，每一层决定哪些分支值得继续探索。实验结果：无需任务特定训练、无需第一阶段检索器，即在四个基准上超越配备 8B reranker 的稠密检索——MultiDoc2Dial 上 R@1 提升 13.8 点，Natural Questions 上 Hit@1 提升 17.4 点。论文链接见原帖。
「研究」频道最新
- 两阶段 3D ResNet 从 MRI 筛查新生儿脑病，AUC 达 0.919 — Dr_Alex_Crimi · 2026-10-30
- 40 年神经元移植为何进展缓慢?帕金森细胞疗法能否被 AI 加速 — patrickmineault · 2026-10-30
- SCAMPER 演示:虚拟大鼠跑出训练数据里从未见过的步态 — tyrell_turing · 2026-10-30
- Ben Recht 长文:从 Edmonds 的「好算法」看复杂性理论如何遗忘最初的问题 — beenwrekt · 2026-10-30
- Lambda Surgical 启动全球首例人体试验，LiDAR 三维测绘进手术室 — ditzikow · 2026-10-30
- Tessl 研究:装对 skill 可提 20% 准确率,但 agent 激活率仅约 40% — bibryam · 2026-10-30