热点事件持续更新

康奈尔提出 DecisionRAG：用决策模型替代检索器

2 篇报道2 个报道来源3 小时前更新

先了解这件事

AI 综述

康奈尔大学的论文提出 DecisionRAG：它不设第一阶段检索器，查询时也不依赖预建向量索引，而是用决策模型 Jev 在语料的“主题→文档→段落”树上逐层判断是否继续向下展开，一次前向计算不生成 token。论文称，在没有第一阶段检索器、也没有针对任务训练的情况下，它在 MultiDoc2Dial 上比稠密检索加 8B 重排器高 13.8 个 R@1 点，在 Natural Questions 上高 17.4 个 Hit@1 点；后者检索范围是 268 万条维基百科段落。单次检索耗时 0.7 至 1.8 秒，成本为每次查询 0.2 至 2.3 美分。若语料没有现成层级（如维基百科），该方法会离线用标题和首句的 embedding 聚成 1000 个簇，再由小模型为每个簇写一句描述。作者指出，树结构和节点描述质量决定效果上限，且剪枝不可逆。

AI 根据报道生成 · 3 小时前更新

最新进展11月3日 08:35

康奈尔 DecisionRAG：用决策模型 Jev 替代检索器

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

08:35
meng shao
康奈尔 DecisionRAG：用决策模型 Jev 替代检索器
康奈尔大学论文提出 DecisionRAG，用决策模型 Jev 在语料的主题→文档→段落树上逐层判断是否展开，一次前向不生成 token，不依赖第一阶段检索器和预建向量索引。

10月29日

22:18
elvis (X)
DecisionRAG：用决策模型替代检索器
新论文提出 DecisionRAG，用决策模型从宽泛主题逐层走到文档和段落，替代 RAG 的首阶段检索器。它无需任务特定训练，在 MultiDoc2Dial 上比稠密检索加 8B 重排器高 13.8 R@1，在 Natural Questions 上高 17.4 Hit@1，检索 268 万条维基百科段落耗时 0.7-1.8 秒、每查询 0.2-2.3 美分。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1011月3日 09:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。