arXiv · cs.AI· Chenjie Qiu·· 17 小时前AI 评分48
从自身错误中检索：面向多跳 RAG 的嵌入模型 on-policy 训练
Retrieving from Your Own Mistakes: On-Policy Training of Embedding Models for Multi-Hop Retrieval-Augmented Generation
来源与原文
arXiv · cs.AI
作者：Chenjie Qiu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40409v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 on-policy state training，用编码器自身检索到的状态（包括含错状态）进行对比训练，以改进链式嵌入检索器的多跳 RAG 检索。仅用 gold 历史训练的小型链式嵌入检索器不调用语言模型即可超越基于图的系统并与搜索智能体相当；新方法让它更常检索到完整证据、更常从自身错误中恢复，并免训练迁移到作者构建的更难长链 HotpotQA 和 2WikiMultiHopQA 变体。
来源：arXiv · cs.AI · arxiv.org