Google 用 Retrieve-for-Train 加速复杂 AI 搜索：53.9M 扩散模型实现单次查询扇出
Google 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习将查询扇出行为编译为监督信号，并蒸馏进一个 53.9M 参数的扩散检索器，在推理时以单次非自回归前向传播完成集合级查询扩展，无需链式推理 token。该框架基于 Gemma3-4B 和 Qwen3-4B 微调，旨在解决零样本 LLM 在数据库感知查询分解中的同义重复与自回归延迟瓶颈。