原始来源日期:2026年10月7日。本文依据最近72小时内发布的一手资料编译。

原文编译

固定相似度RAG擅长找出显式存在的段落,却难以处理需要跨多条记录过滤、聚合和计算才能形成的证据。Agent式RAG会调整查询,但许多系统仍以“找文本”为中心。

RECAST把证据构造看成序贯决策:RouterLM反复选择检索或计算原语,也可描述新操作;冻结CompilerLM把自定义操作编译为可执行代码,避免路由器直接生成所有实现。

当路由器判断证据充分时,它把接受的证据交给冻结AnswerLM。训练流程先做监督微调,再用GRPO优化路由决策,使提升主要归因于证据处理而非更换最终回答模型。

作者报告六类基准平均成功率75.6%,高于最强大模型基线15.9个百分点;Qwen3.5-9B路由器高于免训练Gemini 3.5 Flash路由器5.0个百分点,三个留出基准平均提高15.0个百分点。

阅读全文时需要把核心机制与边界条件合并判断:RECAST把证据构造看成序贯决策:RouterLM反复选择检索或计算原语,也可描述新操作;冻结CompilerLM把自定义操作编译为可执行代码,避免路由器直接生成所有实现。 与此同时,原文也明确提醒:作者报告六类基准平均成功率75.6%,高于最强大模型基线15.9个百分点;Qwen3.5-9B路由器高于免训练Gemini 3.5 Flash路由器5.0个百分点,三个留出基准平均提高15.0个百分点。 这两部分共同限定了这项工作的可复现范围和工程含义,不能只引用其中的性能数字或状态标签。

量仔观察

本站判断,安全与标准检索经常需要计算版本差异、状态机和参数表,单纯向量检索确实不够。可执行证据链应保存输入记录、代码、输出和哈希,方便复核。

风险在于CompilerLM生成的代码会把检索错误变成确定性错误。生产系统需要沙箱、资源限制、类型检查和结果交叉验证,并把“证据充分”的判断与最终置信度分开。