Краткое содержание

arXiv:2511.05301v1 Тип объявления: кросс Аннотация: Генеративная выборка (Generative Retrieval — GR) отличается от традиционного подхода индексирования и последующего поиска тем, что хранит релевантность непосредственно в параметрах модели и генерирует идентификаторы документов напрямую. Однако GR часто сталкивается с проблемами обобщения и является дорогостоящей в масштабировании. Мы представляем QUESTER (генеративную выборку спецификации запросов — QUEry SpecificaTion gEnerative Retrieval), который переосмысливает GR как генерацию спецификаций запроса — в данной работе простой ключевой запрос, обрабатываемый алгоритмом BM25 — с использованием небольшой языковой модели (LLM). Политика обучения реализована с применением техник подкрепляющего обучения (GRPO). В ходе внутридоменных и внедоменных оценок мы демонстрируем, что наша модель превосходит BM25 и конкурентоспособна с нейронными моделями информационного поиска, одновременно поддерживая хорошую эффективность.