提出on-policy状态训练提升链式嵌入检索

2026年10月30日，arXiv Artificial Intelligence 刊出 Chenjie Qiu 等作者的报道，研究者提出 on-policy 状态训练方法，用于多跳检索增强生成（RAG）中的链式嵌入检索器。报道称，该方法让编码器在自己实际到达的状态上训练，包括基于自身错误构建的状态，以缩小训练与测试时的分布差距。具体做法是：每轮用当前编码器为训练问题检索链，将每个状态标注为最早缺失的金标段落并屏蔽其余缺失段落，再与 teacher-forced 状态混合做对比学习。报道称该方法已得到验证，但未给出具体实验数据或效果指标。目前事件进展限于该方法被提出并验证，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。