Folia
← 返回头版

苹果研究人员在ICML 2026发表新型检索方法,显著提升RAG效率

苹果公司研究团队于2026年7月2日在ICML 2026会议上发表了题为《Amortizing Maximum Inner Product Search with Learned Support Functions》(通过学习支持函数摊销最大内积搜索)的论文 1。该研究提出了一种新的检索方法,旨在替代传统的基于聚类的索引结构,通过训练小型神经网络来学习查询分布 1。该方法主要应用于提升检索增强生成(RAG)和最大内积搜索(MIPS)系统的效率 1。

在技术实现上,该方法使用输入凸神经网络(ICNN)近似支持函数,并采用回归网络直接预测最佳匹配键 1。模型架构包含两个核心组件:负责路由功能的SupportNet和用于查询重写的KeyNet 1。实验表明,该方案在保持高召回率的同时,显著降低了推理延迟并提高了搜索效率 1。

以包含约260万个独特段落的Natural Questions数据集为基准进行测试时,该技术展现出明显的性能优势 1。具体数据显示,小型SupportNet达到95%路由召回的速度比质心路由快约1.9倍;而最大的KeyNet达到99%召回所需时间减少约8倍 1。


评论