论文提出 MAPS 框架，用检索动量分析并调控 RAG 查询意图漂移。
资讯摘要
论文提出 MAPS，用于检索增强生成（RAG）中的并行推理框架。作者用“检索动量”刻画推理过程中历史子查询累积形成的检索倾向，并观察到查询生成会沿既有检索轨迹持续演化。MAPS 先保留已检索知识与精炼推理状态，再将顺序推理扩展为并行推理，每轮识别互补检索方向、并行生成子查询并整合证据。作者报告在六个问答基准上优于代表性 RAG 方法，代码已公开。
要点速读
- 论文提出“检索动量”概念，用于描述推理轨迹中历史子查询变化累积的检索倾向。
- MAPS 保留检索知识与精炼推理状态，并将顺序推理扩展为并行推理，每轮生成互补方向的子查询并行检索。
- 作者报告在六个问答基准、不同骨干模型上均优于代表性 RAG 方法，代码与资源已在 GitHub 公开。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。