Meta研究页面于2026年10月20日发布一项自然语言处理相关研究，提出“检索程序学习”（Retrieval Program Learning，RPL）框架，目标是让语言模型不再依赖固定的检索流程，而是通过强化学习组合不同搜索原语，动态决定如何扩大搜索范围、处理中间结果并构造最终上下文。Meta研究页面
该方法的核心机制是把检索过程表示为可执行程序，使程序拥有局部状态和控制流。研究团队还提出“程序变异”方法：对强化学习过程中表现不理想的检索程序生成受语法约束、经过执行验证的局部变体，再将这些变体转化为训练轨迹，反馈给策略模型，以缓解多步检索中奖励稀疏、探索困难的问题。
按照研究摘要披露的实验结果，RPL在开放域问答和语料库级推理任务上，相比多种检索与推理基线取得更好的表现，在多跳任务上的提升尤其明显。摘要还称，一个经过RPL训练的4B模型超过了所有参与比较的8B模型基线；在语料库级推理中，RPL同时提高了答案F1和文档覆盖F1，并减少上下文消耗和检索轮次。这些数字和结论目前属于研究团队对其实验的概括，尚不能直接等同于所有模型或生产系统中的普遍收益。
从技术意义看，RPL把RAG系统的优化重点从“选择哪段文本”扩展到“如何编排整个搜索程序”。这可能帮助知识密集型任务处理需要多次检索、筛选和回溯的问题，也为智能体学习搜索策略提供了新的训练路径。不过，程序空间扩大后，训练成本、执行稳定性、错误检索的累积影响以及对特定数据集的适配程度，都需要在更多任务和独立复现中检验。该页面将论文发布方标为arXiv，尚不能据此判断其已完成同行评审或形成成熟产品能力。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
