DecisionRAG：用决策模型实现快速精准搜索

DecisionRAG：用决策模型实现快速且精准的搜索

非常巧妙的思路，用Jev类决策模型来代替传统的搜索排序工具。这个方法借鉴了人类在图书馆查书的习惯，把庞大的资料库整理成大分类、文章标题到具体段落的层级结构。决策模型不需要逐字生成文本，只需在单次计算中对同级的所有选项同时打分，逐层筛选出最有价值的分支。

实际测试中，即使面对维基百科超过 268 万个段落的庞大资料库，系统也能在 0.7 到 1.8 秒内完成精准查找，单次查询成本只有 0.2 到 2.3 美分。在多个问答测试集上，这项技术不仅比传统搜索加重排方案的准确率高出十几个百分点，还比让普通大模型慢慢思考查找快了 30 多倍。

论文：https://arxiv.org/abs/2610.35868