绕过推理瓶颈：用 Retrieve-for-Train 加速复杂 AI 搜索
Google Research 的 Retrieve-for-Train 通过离线 RL 发现符合奖励的查询扇出并编译为监督数据，再蒸馏至轻量扩散检索器，以单次非自回归推理绕过测试时 CoT 开销。其 53.9M 参数扩散模型可直接将查询嵌入映射为目标嵌入集合，监督样本由冻结的扇出语言模型离线生成，无需人工标注。
Google Research 的 Retrieve-for-Train 通过离线 RL 发现符合奖励的查询扇出并编译为监督数据，再蒸馏至轻量扩散检索器，以单次非自回归推理绕过测试时 CoT 开销。其 53.9M 参数扩散模型可直接将查询嵌入映射为目标嵌入集合，监督样本由冻结的扇出语言模型离线生成，无需人工标注。