据MarkTechPost报道，Google Research推出Retrieve-for-Train（R4T）框架，先以强化学习离线训练查询扇出策略，再蒸馏为小型扩散模型，在一次非自回归过程中生成全部检索方向。报道称，该方法使查询扇出推理速度提升12至20倍。
搜索和推荐系统常需返回一组结果。例如“露营装备”应返回帐篷、睡袋、炉具和头灯，而非10个近似的帐篷。团队指出，通用大模型推理时执行扇出有两个问题：一是释义坍缩，零样本Qwen3-4B面对“波西米亚音乐节风格”生成“bohemian festival fashion”和“festival bohemian clothes”等近义子查询，导致结果同质化；二是延迟，自回归生成加反复检索调用速度慢，Best-of-N可提升质量但成倍增加成本。
R4T分三步。扇出语言模型生成k个子查询，由冻结的密集检索器执行，集合级奖励对整个检索集合打分，而非逐项评分。监督合成阶段，训练后的模型以温度0.9为每个查询采样128个扇出，形成无需人工标注的（查询，目标集合）训练对；开放式任务以检索内容嵌入为目标，组合式任务以子查询嵌入为目标。最后训练扩散检索器：一个5390万参数的扩散Transformer在EDM框架内用方差爆炸形式，将查询嵌入映射为一组目标嵌入；推理时一次生成全部嵌入，再经最近邻搜索映射到数据库条目。
开放式抽象检索（OAR）奖励由三项加权组成：基础性权重0.6，惩罚子查询嵌入与最近数据库条目的距离；多样性权重0.2，用Vendi Score衡量代表性检索项；对齐性权重0.2，计算子查询与原查询的平均余弦相似度。弱监督组合式检索（WSCR）奖励为扇出检索到的参考集合条目比例。消融显示，仅用基础性时Gemma3-4B收敛到“line ending”类字符串；加入对齐性后坍缩更快；加入多样性后两个捷径均被关闭。训练使用GRPO和软PPO正则化，并加入前向与反向KL惩罚。
实验使用Polyvore时尚穿搭数据集和CLIP matryoshka编码器，以及带MuLan嵌入的专有专家歌单音乐数据集。每种扇出方法生成k=10个子查询，Best-of-N的N=5，OAR质量由大模型评审按5点李克特量表评分。Polyvore上，Gemma3-4B R4T-FOLM平均49.1，Best-of-N为40.9，零样本为38.5；多样性从56.0升至76.8，R4T-Diffusion保留74.3。Music上，Gemma3-4B R4T-FOLM平均58.1，Best-of-N为49.2。Polyvore的WSCR中，R4T-FOLM（Qwen）达20.9 Recall@5K和64.6 Hit@5K，Gemini-2.5-Flash为15.7和52.1，但其Vendi Score降至27.5；R4T-Diffusion（Qwen）Vendi Score为34.7，Recall@5K为16.5。
效率方面，批大小8时，自回归扇出约1.46秒，扩散模型为0.07秒；批大小1024时，自回归扇出接近50秒，扩散模型为4.21秒，作者报告稳定12至20倍加速。