虽然语言模型已经变得更加强大，但检索仍然在很大程度上依赖于词汇匹配或固定嵌入空间中的相似性。这造成了一种能力不对称：检索器无法找到的东西，即使是最强大的生成器也无法恢复。我们提出了DecisionRAG ，它将预训练语言模型的功能引入到使用决策模型的检索中，这些决策模型共同

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.35868v1)获取最准确的信息。

---
🔗 **原文链接**: [Retriever-Free Retrieval: Navigating Documents with Decision](https://arxiv.org/abs/2610.35868v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Chao Wan, Paul Jünger, 北溪渡, Bodong Liu, Navaneetha Krishnan, Kilian Q. Weinberger

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-28 08:01