Google научил поиск разбивать запросы без явной генерации подзапросов

Google опубликовала работу о методе multi hop RAG, который позволяет поисковым системам возвращать связные наборы взаимодополняющих результатов без явной генерации подзапросов. Проблема традиционного подхода — дорогостоящее обучение LLM динамически разбивать запросы из-за коллапса парафраз и задержек авторегрессии.

Решение назвали R4T: один раз обучить модель через reinforcement learning на генерацию подзапросов, затем дистиллировать поведение в лёгкую диффузионную модель, работающую за один проход. Для RL-обучения используют FOLM-модели на базе Qwen3 4B или Gemma3 того же размера.