// AI 新闻 · 2026-11-05 · Apple Machine Learning Research
苹果研究提出更高效RAG检索方法
苹果机器学习研究团队在ICML 2026会议上发表论文，提出一种基于学习支持函数的快速最大内积搜索（MIPS）方法。该方法通过预先训练小型神经网络，在离线阶段学习查询与数据库键向量之间的匹配规律，从而在推理时实现更高效、准确的检索。传统MIPS方法依赖聚类和中心点路由，但存在匹配误差；而新方法利用凸分析中的支持函数理论，将查询匹配问题建模为神经网络可学习的任务。
原文发布 2026-11-05 08:00（北京时间）来源 Apple Machine Learning Research自动整理 · 已核对原文
01摘要
研究设计了两个专用网络：一个用于学习支持函数，另一个用于直接输出最优匹配键向量。通过在离线阶段生成大量查询-响应对进行训练，模型能够捕捉真实查询分布下的匹配行为，尤其适用于RAG场景中用户提问短小、与长文本键差异显著的情况，从而提升检索效率和准确性。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 苹果团队提出基于支持函数的MIPS新方法，用于优化RAG中的检索速度与精度。
- 通过离线训练小型神经网络，学习查询与键向量的匹配规律，实现推理阶段快速准确检索。
- 方法利用凸分析中的支持函数理论，结合输入凸神经网络（ICNN）进行数学建模和训练。
- 在RAG场景中，该方法能更好适应用户短问题与长文本键之间的结构差异，提升实际性能。
03原文出处
Faster Retrieval for Better, More Efficient RAG
Apple Machine Learning Research · 发布于 2026-11-05 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-05 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日