统计日期 2026-10-30·本期 2 篇·问题与新思路速读
统计范围：北京时间 2026-10-30 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 2 篇候选，本期收录 2 篇。
阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。
昨日研究概览
本组论文聚焦检索增强生成中的两类效率与鲁棒性瓶颈：候选重排需要重复部署和编码模型，多跳检索则因训练状态与测试时自身错误轨迹错配而遗漏证据。前者探索让生成器借共享预填充直接充当重排器，后者以在策略状态训练显式覆盖检索器自身走错的路径，形成更贴近实际推理的优化目标。
逐篇看：问题与新思路
01. 生成器借共享预填充兼任重排器
原文：Glance: The Generator Is Its Own Reranker
要解决的问题： 传统检索增强生成分别部署重排器与生成器，重复占用模型驻留空间，并需对每个查询与候选段落组合单独预填充；候选较多时，这会推高重排开销。
新颖的想法： Glance为同一生成器加入轻量决策适配器和指针头，利用已缓存上下文分支出短相关性探针，每个候选只产生一个分数，无需逐一预填充查询—文档对；由此让单一驻留骨干兼顾生成、决策与重排，探针式适配器还可在生成时继续使用原段落缓存。
入选线索： 摘要或评论提供代码、模型或数据链接线索
02. 在策略训练纠正多跳检索错误轨迹
要解决的问题： 链式嵌入检索器在测试时依赖自己逐步检出的文档，但训练仅见由金标历史构造的状态；一旦早期检索出错，错误文档就会污染后续状态，并妨碍补齐尚缺的金标证据。
新颖的想法： 作者提出在策略状态训练：每轮让当前编码器自行检索并访问实际到达的状态，以最早尚缺的金标段落为标注目标，同时屏蔽其他缺失金标，避免惩罚正确延续；再将这些自生成状态与教师强制状态混合进行对比学习，使训练分布随检索器自身的错误轨迹更新。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
来源、筛选与阅读边界
Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。
同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。
检索截至：2026.10.31 08:16（北京时间）。本方向共 2 篇候选，本期收录 2 篇。
查询记录：第 1 页。
本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。
有 AI 项目想法？一起聊聊。
欢迎交流实践、寻找伙伴，或聊聊你的项目需求。
