# 查询扇出集合检索

该工作提出 Retrieve-for-Train 框架，先用离线强化学习训练一个扇出语言模型（基于 Gemma3-4B 与 Qwen3-4B，每次生成 10 个子查询），以 groundedness、Vendi Score 多样性、对齐度三项复合奖励评估整组结果，再把该行为蒸馏进一个 53.9M 参数的扩散检索器，使其在连续嵌入空间中一次非自回归并行生成完整目标集合，从而在开放式抽象检索与弱监督组合检索两类任务上超过单查询检索、零样本扩展与 Best-of-N 基线，并相对自回归方法取得 12 至 20 倍加速。

该工作提出 Retrieve-for-Train 框架，先用离线强化学习训练一个扇出语言模型（基于 Gemma3-4B 与 Qwen3-4B，每次生成 10 个子查询），以 groundedness、Vendi Score 多样性、对齐度三项复合奖励评估整组结果，再把该行为蒸馏进一个 53.9M 参数的扩散检索器，使其在连续嵌入空间中一次非自回归并行生成完整目标集合，从而在开放式抽象检索与弱监督组合检索两类任务上超过单查询检索、零样本扩展与 Best-of-N 基线，并相对自回归方法取得 12 至 20 倍加速。