先了解这件事
AI 综述
Google Research 提出 Retrieve-for-Train 框架。该框架在 ICML 2026 论文中公布,用离线强化学习训练 fan-out 语言模型,并蒸馏出轻量扩散检索器,使推理时单次生成一组连贯的搜索结果,绕过推理阶段的“思考预算”。方法基于 Gemma3-4B 和 Qwen3-4B,用 GRPO 配合 soft PPO 优化由 groundedness、alignment 与 Vendi Score 组成的复合奖励,并在时尚图文与音乐歌单数据集上验证。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Google Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月16日
Google Research一手
Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型加速 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，用离线强化学习训练 fan-out 语言模型并蒸馏出轻量扩散检索器，在推理时单次生成一组连贯的搜索结果，绕过推理阶段的“思考预算”。该方法基于 Gemma3-4B 和 Qwen3-4B，用 GRPO 配合 soft PPO 优化由 groundedness、alignment 与 Vendi Score 组成的复合奖励，并在时尚图文与音乐歌单数据集上验证。