检索器 组合：自适应 RAG 的原则性方法

尽管面临从简单事实问题到复杂多跳推理的高度异构查询，检索增强生成（RAG）系统通常依赖于单个 检索器 和一组超参数。我们提出了一种方法，可以从大量候选者中自动选择 检索器（投资组合）的一个小的、多样化的子集，以覆盖目标查询分布的不同区域。我们通过查询分布上预期的 best-of-k$ 目标来形式化此设置，并表明它承认具有近乎最优保证的高效投资组合构建算法。在多个 QA 基准中，我们学习的组合和路由器管道在检索指标和答案质量方面始终优于单 检索器 和朴素的多 检索器 基线。此外，与推理时间超参数调整方法相比，固定组合可实现并行检索和 LLM 调用，从而实现可比（有时更好）的准确性，同时显着降低延迟和词元成本。