ProRetrieval：学习通过可执行程序合成来协调混合搜索

现实世界的检索通常通过任意布尔逻辑对文本和图像构成具有语义意图的结构化约束。现有的混合管道（例如倒数排序融合或自查询 检索器）仅允许固定的组合形式，而最近的强化学习 检索器 将语言模型训练为单个后端的查询生成器，将异构检索路径的编排留在其操作空间之外。我们提出了 ProRetrieval，它将语言模型重塑为检索协调器：给定自然语言查询，它在混合 DSL 中合成可执行程序，将结构化字段上的 SQL 运算符与文本和图像上的矢量检索原语交错，而 SQL 本身提供融合异构候选集的逻辑代数。我们在分层的四项奖励下使用 GRPO 和 DAPO 训练 Qwen3-4B，并根据亚马逊产品和安然电子邮件构建的两个新基准进行评估。我们的 4B 模型超越了 GPT-5.5（电子商务上的 Hit@1 0.81 vs. 0.69；电子邮件上的 0.91 vs. 0.86）和 Claude Opus 4.7 以及一套全面的检索、LLM 增强、结构化查询和基于图形的基线。代码：https://anonymous.4open.science/r/ProRetrieval/；数据：https://huggingface.co/datasets/anonymous-7219/ProRetrieval。