RAG-FGO 论文:把查询改写成黑盒优化问题动态调优
_reachsumit · x · 2026-11-18
arXiv 论文 RAG-FGO 提出一个生成式 RAG 查询改写策略的动态优化框架:
- 问题:真实部署中生成式检索面临检索反馈噪声、离散 prompt 模板与连续解码参数难以联合优化、静态改写策略在复杂语义场景泛化差三大挑战。
- 方法:把查询改写建模为混合离散-连续空间上的不可微黑盒优化问题,将 prompt 模板和解码参数表示为可自适应优化的改写 agent;全局搜索实现语义跳跃与结构重组以跳出局部最优,局部扰动做精细对齐;并引入精英保留记忆池,跨迭代积累高质量策略以缓解随机性与噪声反馈。
- 摘要称实验显示该方法带来稳定收益(具体数据被截断)。
「编程与Agent」频道最新
- 蚂蚁 Repo-Premium 基准:公平评测下 BM25 可追平稠密检索 — _reachsumit · 2026-11-18
- Scoble 实测 Hy4 智能体:20 步办公任务能否一口气做完 — Scobleizer · 2026-11-18
- DetouR 让搜索 agent 顺超链接取证:2Wiki EM 平均提升 4 分 — _reachsumit · 2026-11-18
- RL 搜索 agent 竟把谎言的转写当独立信源,8 条回声推翻 58-73% 正确答案 — _reachsumit · 2026-11-18
- rust-anything:AI 把老项目改写成 Rust,最高提速 20 倍 — aigclink · 2026-11-18
- Jetriever:按有用性而非相似度给 Agent 记忆排序,金标准命中率 84.8% — _reachsumit · 2026-11-18