RL-Index：用于检索索引推理的强化学习

检索外部知识对解决现实任务至关重要，但在查询与知识涉及隐式复杂推理时极具挑战。现有方法多依赖查询端推理，导致延迟高且未利用知识库端的推理潜力。本文提出 RL-Index，一种代理式索引框架，将检索索引推理建模为强化学习问题。该方法将推理移至索引阶段，通过 LLM 生成理由增强文档，显式编码潜在的查询 - 知识关系。利用组相对策略优化（GRPO）及检索相似度作为奖励信号，直接优化索引决策以提升检索效果。实验表明，RL-Index 在提升检索及下游问答性能的同时，显著降低了在线推理延迟。