待验证50% 置信事实精确时间
DecisionRAG的核心设计是将多个候选分支置于共享上下文中联合判断，使相关性估计具有相对可比性，这与传统的逐点打分重排不同。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证DecisionRAG提出了一种无需检索器的检索范式，不依赖第一阶段检索器，也不生成任何token，而是用决策模型在单次前向传播中联合评估多个候选分支。77% 相似待验证DecisionRAG的意义指向一种架构层面的反思：检索与生成是否必须分离；当语言模型足够强大时，把检索决策交给模型本身可能比维护独立嵌入索引更灵活。75% 相似已验证Decision-1 的使用方式是给它一组固定的候选选项，它在单次推理中为每个选项返回经过校准的概率值73% 相似待验证Decider 系列模型并非通用对话模型，而是针对在多个候选方案中做取舍这一动作优化，典型输出是决策、排序或路线选择。71% 相似已验证决策模型专注于回答是/否判断、多项选择以及带概率的评分类问题71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1103020API
curl https://kongchang.com/api/v1/knowledge/claims/1103020MCP
get_claim(id=1103020)