Investigación de Google revela r4t: un nuevo sistema de recuperación que aumenta la velocidad de las consultas en un 12 a un 20 veces

Google Research ha presentado Retrieve-for-Train (R4T), un nuevo marco diseñado para mejorar la dispersión de las consultas en los sistemas de búsqueda y recomendación. El sistema utiliza el aprendizaje por refuerzo para generar subconsultas diversas y relevantes, mejorando significativamente la eficiencia. R4T convierte este comportamiento aprendido en un modelo de difusión, lo que permite una recuperación más rápida con una sola pasada. El método aborda problemas como el colapso parráfico y la latencia, comunes en los enfoques tradicionales. Los experimentos en conjuntos de datos como Polyvore y un conjunto de datos musicales propietario mostraron que R4T superaba a los métodos existentes, logrando una mejora de velocidad de 12× a 20×. El rendimiento del modelo se evaluó utilizando jueces LLM, con mejoras notables en la diversidad y la recuperación. La investigación destaca un equilibrio entre la cobertura y la diversidad, y R4T mantiene este equilibrio a través de su diseño.