猫眼电影
猫眼电影记者 蔡妍 报道y85ouztigy6ysf5y
在信息检索系统中，搜索引擎的能力只是影响结果的一个方面，真正的瓶颈往往在于：用户的原始 query 本身不够好。
尤其在专业搜索场景（如文献、数据库查询）中，用户往往无法用精确、完整的表达描述他们的需求。
那么问题来了：能不能教大模型优化原始 query 的表达方式，从而让已有检索系统的能力被最大化激发？
来自 UIUC 的 Jiawei Han 和 Jimeng Sun 团队的一项最新工作DeepRetrieval就是针对这个问题提出了系统性解法，只需3B 的 LLM即可实现 50 个点以上的提升。
论文标题：DeepRetrieval: Hacking Real Search Engines and Retrievers with Large Language Models via Reinforcement Learning论文地址：https://arxiv.org/pdf/2503.00223开源代码：https://github.com/pat-jj/DeepRetrieval开源模型：https://huggingface.co/DeepRetrieval
一句话概括：DeepRetrieval 是一个基于强化学习（RL）的 query 优化系统，训练 LLM 在不同检索任务中优化原始查询，以最大化真实系统的检索效果。
它不是训练一个新的 retriever，也不是让模型直接回答问题，而是：
在不改变现有搜索系统的前提下，通过优化原始 query，让「提问方式」变得更聪明，从而获取更好的结果。
更多有意义的讨论请读原文正文和附录的 Discussion 部分。
方法细节
方法要点
输入：原始查询 q输出：改写后的查询 q′（自然语言、布尔表达式或 SQL）环境反馈：使用 q′ 去检索系统中查询 → 返回结果 → 与 groundtruth 对比，计算 reward，reward 为 task-specific 检索表现（如 Recall@K、NDCG@K、SQL accuracy）使用 PPO 进行训练，并加入格式奖励（format correctness）与 KL-regularization 保证训练稳定，优化目标如下：
其中，π_ref 是参考策略（reference policy），通常指的是在强化学习开始之前的初始模型。β 是一个合适的 KL 惩罚系数，用于控制正则化的强度。KL 散度项的作用是惩罚当前策略与参考策略之间的过大偏离，从而在强化学习训练过程中保证策略更新的稳定性。
实验结果
真实搜索引擎的文献搜索
首先在真实的搜索引擎上进行实验，文中用到了专业搜索引擎 PubMed 和 ClinicalTrials.gov。无需改动搜索引擎或其它任何检索器，仅通过端到端地优化 query 表达，DeepRetrieval 就可以让结果获得 10 倍提升，远超各个商业大模型和之前的 SOTA 方法 LEADS（蒸馏 + SFT 方法）。
Evidence-Seeking 检索：通用搜索引擎的革新潜力
DeepRetrieval 在 Evidence-Seeking 检索任务上的优异表现令人瞩目。如表 1 所示，结合简单 BM25，这个仅有 3B 参数的模型在 SQuAD、TriviaQA 和 NQ 数据集上超越了 GPT-4o 和 Claude-3.5 等大型商业模型。
Evidence-Seeking 任务的核心是找到支持特定事实性问题答案的确切文档证据，在通用搜索引擎环境中，这一能力尤为关键。作者团队指出，将 DeepRetrieval 应用到 Google、Bing 等通用搜索引擎的 Evidence-Seeking 场景将带来显著优势：
精准定位事实文档：通用搜索引擎包含海量信息，用户难以构建能精确定位证据段落的查询。DeepRetrieval 可将简单问题转化为包含关键术语、同义词和限定符的复杂查询，显著提高找到权威证据的概率。克服知识时效性限制：模型能够将「2024 年奥运会金牌榜前三名」等超出 LLM 知识截止日期的问题转化为精确搜索表达，使检索系统能够找到最新事实证据。多源验证能力：通过优化查询帮助搜索引擎找到多个独立来源的事实证据，从而交叉验证信息准确性，这是纯 LLM 问答无法实现的关键优势。
作者团队表示会将这部分的延伸作为 DeepRetrieval未来主要的探索方向之一
Classic IR（Sparse / Dense）
在 BM25 和 dense retriever 下，DeepRetrieval 提供了平均 5~10 点 NDCG 提升，并且：BM25 + DeepRetrieval 和多数 dense baseline 水平相当。
结合极快的检索速度（BM25 vs dense：352s vs 12,232s），展示了一个现实可部署、性能不俗的高效方案。
SQL 检索任务
在 SQL 检索任务中，DeepRetrieval 摆脱了对 groundtruth SQL 的依赖，直接利用生成 SQL 的执行成功率优化模型，通过生成更精准的 SQL 语句，使得模型在 Spider、BIRD 等数据集上的执行正确率均超过对比模型（包括 GPT-4o 和基于 SFT 的大模型）。
探索胜于模仿：RL 为何超越 SFT
DeepRetrieval 的实验揭示了强化学习（RL）在搜索优化上相比监督微调（SFT）的独特优势。实验数据令人信服：在文献搜索上，RL 方法的 DeepRetrieval（65.07%）超过 SFT 方法 LEADS（24.68%）近三倍；在 SQL 任务上，从零开始的 RL 训练（无需任何 gold SQL 语句的监督）也优于使用 GPT-4o 蒸馏数据的 SFT 模型。
这种显著差异源于两种方法的本质区别：SFT 是「模仿学习」，试图复制参考查询，而 RL 是「直接优化」，通过环境反馈学习最优查询策略。SFT 方法的局限在于参考查询本身可能不是最优的，即使是人类专家或大模型也难以直观设计出最适合特定搜索引擎的查询表达。
论文中的案例分析进一步证实了这一点。例如，在 PubMed 搜索中，DeepRetrieval 生成的查询如「((DDAVP) AND (Perioperative Procedures OR Blood Transfusion OR Desmopressin OR Anticoagulant)) AND (Randomized Controlled Trial)」融合了医学领域的专业术语和 PubMed 搜索引擎偏好的布尔结构，这种组合很难通过简单模仿预定义的查询模板获得。
相反，RL 允许模型通过尝试与错误来探索查询空间，发现人类甚至未考虑的有效模式，并直接针对最终目标（如 Recall 或执行准确率）进行优化。这使 DeepRetrieval 能够生成高度适合特定搜索引擎特性的查询，适应不同检索环境的独特需求。
这一发现具有重要启示：在追求最佳检索性能时，让模型通过反馈学习如何与检索系统「对话」，比简单模仿既定模式更为有效，这也解释了为何参数量较小的 DeepRetrieval 能在多项任务上超越拥有更多参数的商业模型。
模型 Think&Query 长度分析
通过分析 DeepRetrieval 在训练过程中模型思考链和查询长度的变化，可以发现以下关键洞见
思考链长度演变
与「aha moment」相反，DeepRetrieval 的思考链长度随训练呈下降趋势，而非增长。这与 DeepSeek-R1 报告的「aha moment」现象形成鲜明对比，后者的思考链会随训练进展变得更长。图 4(a) 清晰地展示了 Qwen 模型思考链从初始约 150 tokens 逐渐降至稳定的 50 tokens 左右，而 Llama 模型的思考链更短，甚至降至接近 25 tokens。
查询长度特征
实验揭示了思考过程对查询长度的显著影响。无思考过程的模型容易陷入次优解，如图 4(b) 所示，Qwen 无思考版本生成极长查询（500-600 tokens），表现出过度扩展的倾向。相比之下，有思考过程的模型保持更为适中的查询长度，Qwen 约 150 tokens，Llama 约 100 tokens。有趣的是，不同模型采用不同长度策略，但能达到相似性能，表明查询生成存在多样有效路径。
性能与思考过程关系
思考过程对检索性能有决定性影响。图 4(c) 表明，具备思考能力的模型性能显著提升，有思考的模型 Recall@3K 能达到 65%，而无思考模型仅 50% 左右。此外，训练效率也明显提高，有思考的模型更快达到高性能并保持稳定。论文附录 D.1 的分析表明，思考过程帮助模型避免简单地通过增加查询长度和重复术语来提升性能，而是引导模型学习更有效的语义组织策略。
关键结论
DeepRetrieval 展示了思考过程在信息检索中扮演「探索促进器」的关键角色。与数学或编程问题不同，检索任务不需要像「aha moment」那样的突然顿悟现象。相反，检索优化遵循「先详细思考，后逐渐精简」的模式，模型在内化有效策略后，不再需要冗长思考。这表明检索任务中思考链的主要功能是探索，一旦策略稳定便可简化。
这种分析表明，适当的思考过程设计对于构建高效的检索优化系统至关重要，能够在不增加模型参数的情况下显著提升性能，为未来的 LLM 应用于搜索任务提供了重要设计思路。
结论
DeepRetrieval 的贡献在于揭示了一个常被忽视但至关重要的事实：检索效果的上限不仅在于检索器本身，更在于如何「提问」。
通过强化学习教 LLM 改写原始查询，DeepRetrieval 不仅摆脱了对人工标注数据和大模型蒸馏的依赖，还在多个任务上证明了改写 query 的巨大潜力。这项工作为搜索与信息检索领域带来了新的思考：未来的检索优化，不仅是提升引擎算法，更是如何让用户「问得更好」，从而激发出检索系统的全部潜力。
??时事1：爽爽午国产⭐浪潮AV性色www
??04月12日,各地发展冰雪经济 “冷资源”释放“热消费”,
小不点才不管这些，这里是初始地，无论谁来了，都要被压制到搬血境，他无所畏惧。
,芙蕾娜裸体被❌羞羞。??04月12日,南水北调工程2023年度调水任务超额完成,
地球是生命的摇篮，万物的母亲，人类的家园。地球就像妈妈一样给我们带来幸福，带来快乐。可是，你们知道吗?我们生活的地球上，人类为了自己的利益和方便，做出了许多污染环境、伤害地球妈妈的事情。人们随手仍掉的一个塑料袋，埋在地下三百年都不会烂。
,FerrPorno馃拫馃憴69,Chin70Years性老太,捷克街头100集完整网站。??时事2：越南小幼稚8至10岁价格表
??04月12日,“古都之脊”绽放时代新韵,
石林虎则一摆手，道：“别说废话，我们不爱听，说吧，怎么赔偿我们？”
,捆绑女裸网,伍六七抱着梅花十三,火影忍者天天被强❌图网站。??04月12日,青海：搭建出海平台 推动生态纪录片海外传播,
招商银行信用卡逾期1个月会被起诉吗，还不起怎么办
,温迪被扒开双腿疯狂输入小说,肉丝到爽🔞高潮痉挛,3D 涩 H videos of动漫。??时事3：日本做受❌❌❌喷水
??04月12日,沪指续创年内新高,
据传，即便到了现在，那些疆域无垠的古国依旧在祭天，还在进行某种古老的仪式，为神明献祭品，纵然漫长岁月过去了，这些古国背后依然可能还有上古神明的影子，恐怖而神秘。
,原神同人游戏18禁黄油,美女扒开腿❌裸体网站免费视频,欧美XXXX双人。??04月12日,“2024美丽乡村——中日青少年欢乐跑”在日本千叶县铫子市举办,
虚弱的小不点见到夫妻二人，下意识的张开小手，没心没肺的笑，像是感受到了一种亲情与温暖，想让他们抱。
,甘雨被狂❌到高潮网站,欧美大荫蒂XX自慰,美女裸体❌捆绑调教。??时事4：欧美性生交大片免费看伐木工
??04月12日,地铁安检“试喝一口”引发的官司,
“咚”的一声，它一脚蹬裂大地，魔翼一展，形成一股飓风，带着滔天的黑雾，冲向山脉深处。
,美女屁股㊙️免费看,少妇我被躁爽到高潮A片李娜,日逼逼。??04月12日,乌鲁木齐：近70个国内引种甘薯品种迎专家“现场打分”,
有部分同学可能在初中阶段就迷恋网吧，到二中来求学，一定要远离网吧，一旦迷恋上网，会给自己、给家庭、给学校带来诸多不良影响。如长时间上网，强光对眼睛长时间刺激，会导致视力下降;迷上网络不可自拔，会浪费大量宝贵的时光，上课时精神不振，注意力不集中，导致学习成绩直线下降;此外，由于上时间呆在封闭的、昏暗的、烟雾缭绕的网吧里，容易患上各种疾病，甚至突然猝死，全国已经出现不少中学生在网吧猝死的案例。医学专家指出：青少年网虫常出现交际能力困难、情绪低落、思维迟缓、孤独焦虑、食欲不振、植物神经功能紊乱、睡眠障碍等不良反应，沉溺于网吧不能自拔者甚至会厌恶现实生活，走上不归路。
,初高中打屁股♥网站X,卡帕岛动漫官网入口安卓,Cosplay被❌乳液狂飙。责编：惠僧利
审核：黄楚程
责编：诸荣华