realm-retrieve

ReaLM-Retrieve 是一个用于大型推理模型的自适应检索增强生成（RAG）系统。该项目通过在推理过程中动态检测知识缺口，并仅在必要时进行信息检索，从而提高了模型的效率和准确性。其核心功能包括基于三个不确定性信号（自我评估、实体覆盖熵及样本连续性的一致性）来决定何时执行检索操作，使用REINFORCE算法对策略进行微调以优化F1分数与成本之间的平衡。该技术特别适用于需要长链思考且存在中间知识断层的应用场景，如复杂的问答系统或深度文本分析任务中，能够显著减少不必要的检索请求次数同时提升整体性能。