ICICLE：基于情境文档扩展检索
信息检索
2026-05-28 v2 人工智能
摘要
生成式检索（GR）直接使用参数化知识将查询映射到文档标识符（docids），但这种设计使得语料库扩展成本高昂：添加新文档需要更新模型参数以编码新的文档-docid 关联，导致反复训练并遗忘先前索引的文档。本文我们重新审视增量式 GR 作为情境检索问题，其中新添加的文档作为推理时的情境文档-docid 证据。我们提出 ICICLE，一种情境索引框架，执行基于源的参数化 docid 生成，涵盖参数化记忆和情境提供的文档-docid 对。ICICLE 结合 [COPY] 风格路由机制、偏好校准和大情境适应，以区分情境 grounding 检索与参数化检索。实验在 MS MARCO 和 NQ320K 上表明，ICICLE 在无需语料库特定 retraining 的情况下，改善了新引入文档的检索，同时保持已见文档的保留。我们的分析进一步表明，高 shot degradation 主要由路由失效所致，突显源选择校准作为扩大情境生成式检索关键瓶颈。
引用
@article{arxiv.2605.26902,
title = {ICICLE: Expanding Retrieval with In-Context Documents},
author = {Yu-Chen Den and Yung-Yu Shih and Zhi Rui Tam and Kuan-Yu Chen and Pu-Jen Cheng and Yun-Nung Chen and Eugene Yang},
journal= {arXiv preprint arXiv:2605.26902},
year = {2026}
}