आधुनिक सर्च ऐप्स को एक सुसंगत परिणाम सेट लौटाना चाहिए, न कि एक ही मैच के विविध रूप। "कैंपिंग गियर" के लिए, उपयोगकर्ता एक टेंट, स्लीपिंग बैग, स्टोव और हेडलैंप चाहते हैं। सिस्टम एक व्यापक प्रॉम्प्ट को सब-क्वेरीज़ में तोड़ने के लिए क्वेरी फैन-आउट का उपयोग करते हैं। लेकिन एक LLM को डेटाबेस-अवेयर क्वेरी डीकंपोज़िशन सिखाना एक विशाल थिंकिंग बजट को खर्च करता है। ज़ीरो-शॉट LLM सामान्य टेक्स्ट प्रेडिक्टर हैं, किसी लक्ष्य कॉर्पस के लिए अनुकूलित नहीं हैं, इसलिए उन्हें विविधता और कवरेज जैसी सेट-लेवल प्रॉपर्टीज़ को अनुकूलित करने के लिए विस्तारित टेस्ट-टाइम कंप्यूटेशन की आवश्यकता होती है, साथ ही ग्राउंडेड बने रहना होता है।

ICML 2026 पेपर "Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion" में, हम इसे रिवॉर्ड-टू-डेटा कंपाइलेशन फ्रेमवर्क के माध्यम से संबोधित करते हैं। एक बड़े इन्फरेंस थिंकिंग बजट के बजाय, हमारा Retrieve-for-Train फ्रेमवर्क ऑफ़लाइन रीइन्फोर्समेंट लर्निंग का उपयोग करके रिवॉर्ड-अलाइन्ड फैन-आउट खोजता है और उन्हें सुपरविज़न में कंपाइल करता है। इन व्यवहारों को एक हल्के डिफ्यूज़न रिट्रीवर में डिस्टिल करके, हम इन्फरेंस पर कुशल, सिंगल-पास क्वेरी फैन-आउट सक्षम करते हैं।

ऑफ़-द-शेल्फ LLM को दो चुनौतियों का सामना करना पड़ता है: पैराफ्रास्टिक कोलैप्स, जहाँ वे फ्रिंज जैकेट या क्रोशे ड्रेस के बजाय "बोहेमियन फेस्टिवल फैशन" और "बोहेमियन फेस्टिवल क्लोद्स" जैसी अनावश्यक क्वेरीज़ उत्पन्न करते हैं; और ऑटोरिग्रेसिव लेटेंसी बॉटलनेक, जिसके लिए सैकड़ों चेन-ऑफ़-थॉट टोकन की आवश्यकता होती है। यह सब-सेकंड सर्च के विपरीत एक लेटेंसी फ्लोर बनाता है। Retrieve-for-Train ट्रेनिंग को एक ऑफ़लाइन अभ्यास सत्र के रूप में मानता है।

मुख्य संस्थाएँ: कंपनियाँ: Google AI Blog