大模型做跨多源的复杂任务时，终于有了实打实提升成功率的方案：名为RECAST的框架，在6个异构基准家族上平均成功率75.6%，比当前最强大模型基线高出15.9%。
一、不是“搜资料”，是“拼证据”——RECAST的核心定位
之前我们接触的检索增强生成（RAG），不管是传统那种固定按相似度搜资料，还是会主动调整查询关键词的agent版，核心逻辑都是“搜现成的”：把问题和知识库的单份内容匹配，捞出来用。但很多任务的答案根本不在某一份资料里——比如要算两个数据集的交叉分析值，或者从三篇不同报告里各取一个关键点凑成结论，这时候单纯靠检索就没用了。RECAST干的事，是把证据构建从“被动检索”改成“主动组合”：它把解决问题需要的证据，当成是对多源信息做过滤、聚合、计算的顺序决策过程，不是只搜，还要自己选怎么拼这些信息。
二、三个模型的分工：轻量决策+冻结执行
这个框架的运作逻辑没玩太复杂的花活，拆成三个各司其职的部分，还能用现有成熟模型改：首先是轻量的RouterLM，负责做每一步的决策——要么选预定义的基础操作（比如“过滤掉无关摘要”“把两个数值相加”），要么直接指定自定义操作；然后是被冻结的CompilerLM，把RouterLM的指令转成可直接运行的代码；最后也是冻结的AnswerLM，等RouterLM判断证据足够后，直接用这些拼好的证据出最终答案。训练的时候，先拿监督微调（SFT）打基础，再用组相对策略优化（GRPO）优化RouterLM的决策质量。有意思的是，哪怕只用Qwen3.5-9B这种中小参数的RouterLM，训练出来的效果，比完全没训练的Gemini 3.5 Flash RouterLM还要好5.0%——这说明训练的收益确实在，而且中小模型也能练出有用的决策能力。
三、补了RAG的短板：泛化能力也够硬
除了6个基准家族的亮眼成绩，RECAST的泛化能力也超出预期：在三个没见过的基准上，平均比最强基线高15.0%，零任务、零源类型的适配性很强。这对现在依赖RAG的场景来说，是补了一块真痛点——之前RAG搞不定的“多源信息联动计算”，现在有了可落地的路径。比如企业里跨多个数据库的数据分析，或者需要整合多篇论文观点的调研，RECAST这种主动组合证据的思路，可能比单纯搜资料要靠谱得多。
不过有个现实问题没答案：要是面对完全没见过的任务类型，这个框架的操作空间能不能覆盖？毕竟现在它的操作是基于预定义的原语，万一遇到需要全新逻辑的场景，会不会就失效了？
素材来源：arXiv (LLM/多模态新论文) · AI情报、大模型、科研前沿
查看报道原文
发表第一条评论吧