Google ResearchT1·基座大模型
68 分
针对复杂 AI 搜索中查询分解导致的推理成本过高问题,提出“Retrieve-for-Train”方法。该方案通过检索增强训练替代零样本 LLM 的动态规划,显著降低对昂贵思维预算的依赖,实现高效、数据友好的集合检索。
Query Decomposition
将复杂宽泛的用户查询拆解为多个具体子查询的技术
针对复杂 AI 搜索中查询分解导致的推理成本过高问题,提出“Retrieve-for-Train”方法。该方案通过检索增强训练替代零样本 LLM 的动态规划,显著降低对昂贵思维预算的依赖,实现高效、数据友好的集合检索。