Google Research·· 15 天前
Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型加速 AI 搜索查询扇出
Bypassing inference bottlenecks: Accelerating complex AI search with Retrieve-for-Train
AI 导读
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需生成 CoT 推理 token。
入选记录
门槛 60官方一手第一次 34第二次 38
未入选两次之和 72 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：Google研究AI搜索检索加速框架
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Google Research · research.google