DecisionRAG：用决策模型替代传统排序实现快速精准检索

DecisionRAG 用 Jev 类决策模型代替传统的搜索重排方案，模仿人类在图书馆查书的方式，把资料库组织成从大分类、文章标题到具体段落的层级结构。决策模型不做逐字文本生成，而是在单次计算中对同级选项同时打分，逐层筛选最有价值的分支。面对维基百科超过 268 万个段落的资料库，系统能在 0.7 到 1.8 秒内完成查找，单次查询成本仅 0.2 到 2.3 美分。在多个问答测试集上，其准确率比传统搜索加重排方案高出十几个百分点，速度比让普通大模型逐步思考快 30 多倍。