研究人员开发了DecisionRank，一种新颖的决策模型，通过使用策略内蒸馏从更大的生成语言模型转移知识，显著提高了检索性能。该方法训练一个更小的决策模型直接预测分数，绕过了自回归解码的延迟。DecisionRank在TREC DL、BEIR和BRIGHT等基准测试中取得了最先进的成果，在准确性上超越了其生成教师模型，同时速度也大大加快。 AI
影响 这种方法可能导致更高效、更快速的信息检索和决策任务的AI系统。
排序理由 该集群描述了一篇详细介绍新颖模型和训练方法的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.42128v1 Announce Type: new Abstract: Decision models target structured tasks by directly predicting choices or scores, avoiding autoregressive decoding latency. However, transferring a generative LLM's ranking knowledge to a decision model remains challenging: the teac…
DecisionRank uses item-space on-policy distillation to transfer ranking knowledge from generative teachers to efficient decision models, achieving state-of-the-art retrieval performance with significantly faster inference.