01 论文概述

先谈一个很实际的问题：大语言模型（LLM）在众多任务中表现优异，但当面对实时更新的信息时，容易“迷失方向”——要么知识滞后，要么凭空捏造。为了缓解这种“幻觉”现象，检索增强生成（RAG）成为热门方案，然而在实际落地中，用户查询常常带有噪声与意图偏差，直接检索很难精准定位到相关文档。

近期，中国人民大学与快手联合发表了一篇论文，提出了一种名为DMQR-RAG（Diverse Multi-Query Rewriting for Retrieval-Augmented Generation）的框架。其核心思路是通过多样化的多查询重写，提升文档检索的多样性以及最终回答的质量。简单来说，不再依赖单一查询去“碰运气”，而是从不同角度、采用不同策略去“试探”知识库。

论文的出发点非常明确：

• 查询重写是关键：用户原始查询往往不够精确，直接检索极易偏离目标。因此，先对查询进行重写，能显著提高相关文档的命中率。
• 现有RAG的痛点：传统方法通常只生成一个重写后的查询，这限制了检索结果的多样性，容易遗漏真正有用的文档。
• 策略不能一刀切：现实场景中用户查询千差万别，固定一套重写策略显然不够灵活。动态地、自适应地为每个查询选择最合适的重写方式，才是最佳解决方案。

DMQR-RAG框架正是围绕上述要点展开：它设计了多种基于信息量的重写策略，并引入了一个轻量级的自适应策略选择机制。最终目标是让RAG在检索阶段就能实现“广撒网、捞准鱼”，从而提升最终生成响应的质量。

论文链接：https://openreview.net/pdf?id=lz936bYmb3

02 相关工作

论文系统梳理了当前查询重写领域的两大主流方向：基于训练的方法和基于提示的方法，各有优劣。

基于训练的方法（Training-based Methods）

• RQ-RAG：构建了一个包含原始搜索查询与重写结果的创新数据集，训练端到端模型来优化查询。
• RRR：以响应模型的性能作为奖励信号，通过强化学习来优化检索查询。

这类方法的优势在于效果稳定，但代价是数据集构建和模型训练的成本较高。

基于提示的方法（Prompt-based Methods）

• Hyde：让LLM先为原始查询生成一个“伪答案”，再用这个伪答案去检索，因为其语义上更接近正确答案。
• Step-back Prompting：将查询提升到更高概念层面，提取更概括性的细节，便于检索到更全面的答案。
• Least-to-most prompting：把复杂问题拆解成若干简单子问题，分别检索后再汇总。

基于提示的方法免去了训练成本，但往往只针对特定类型的查询，泛化能力有限，检索结果的多样性不足。

此外，论文还提到了RAG-Fusion，它使用多个重写查询检索额外文档，并通过互反排名融合算法（RRF）进行重排。整体来看，这些相关工作为DMQR-RAG提供了理论和方法上的借鉴，而DMQR-RAG则试图通过多样化的重写策略和自适应选择来弥补现有方法的短板。

03 核心内容

DMQR-RAG框架的核心由三个部分组成：多查询重写策略、自适应策略选择，以及标准化的评估设置。下面逐一详细说明。

1. 多查询重写策略（Multi-Query Rewriting Strategies）

论文提出了四种基于信息量的重写策略，每种策略瞄准不同的信息维度，确保重写后的查询既有区分度又能互补：

• 信息平等（Information Equality）：
  • 一般查询重写（GQR）：去除噪声，提炼原始查询，保留所有关键信息。
  • 关键词重写（KWR）：从查询中提取名词和主题词，快速定位相关文档。
• 信息扩展（Information Expansion）：
  • 伪答案重写（PAR）：利用LLM的先验知识生成伪答案，丰富原始查询的信息量。
• 信息缩减（Information Reduction）：
  • 核心内容提取（CCE）：去除冗余细节，只保留查询的核心要素。

这四种策略覆盖了“保持原样、提取关键词、扩展细节、精简核心”四种不同的信息操作，使检索时能够从多角度捕获相关文档。

2. 自适应重写策略选择（Adaptive Rewriting Strategy Selection）

既然用户查询五花八门，就不应该对所有查询使用同一套策略。论文设计了一个轻量级方案：通过向LLM提供重写策略的简短描述以及少量示例（few-shot），让LLM根据输入查询的特征，自动选择最合适的重写方式。这种方法无需额外训练，部署成本低，而且能适应不同难度的查询。

3. 标准化的重写评估设置

为了公平对比不同重写方法在RAG中的表现，论文建立了一套标准化的评估流程：使用Bing搜索引擎作为检索器，BAAI-BGE-reranker作为重排器。这样既保证了数据的时效性，也避免了其他检索方法需要调整超参数的麻烦，使实验结果更具说服力。

04 论文实验

论文的实验设计非常扎实，涵盖了多个公开数据集和一个工业界数据集，从检索效果和端到端响应两个维度来评估DMQR-RAG。

数据集与评估指标

• 数据集：使用了三个代表性的开放域问答数据集——AmbigNQ（歧义性问答）、HotpotQA（多跳问答）、FreshQA（时效性问答），以及一个工业界数据集。
• 评估指标：检索效果采用Top-5命中率（H@5）和精确率（P@5）；端到端响应则采用精确匹配（EM）、F1分数和准确率（Acc）。

基线方法

对比的方法包括基于提示的（如LLM Rewrite、Hyde）和基于微调的（如RRR、RQ-RAG），基本覆盖了当前主流技术。

主要结果

1. 原始查询的价值不容忽视：实验发现，原始查询（OQR）在某些场景下反而能提供上下文中最重要的信息。因此，将原始查询与重写版本一起纳入检索策略是合理且有效的。
2. 多重查询重写明显更强：相比于单一查询重写，DMQR-RAG在所有数据集上都取得了更优的检索效果。例如在FreshQA数据集上，P@5相比最佳基线提升了14.46%。
3. 复杂多跳问题效果突出：在HotpotQA这种多跳推理数据集上，DMQR-RAG的P@5提升了约8%，说明它对复杂查询同样有效。
4. 端到端响应质量同步提升：在最终回答环节，DMQR-RAG在AmbigNQ上将EM和F1分别提升了1.30%和3.74%；在FreshQA上准确率比Rewrite方法高出5.84%。这意味着更准确的检索带来了更可靠的知识供给。
5. 与专用方法的对比：尽管RQ-RAG针对多跳问题专门设计，在HotpotQA上表现最佳，但DMQR-RAG在各类查询上依然整体领先，表现出更强的通用性。
6. 与RAG-Fusion的对比：DMQR-RAG在AmbigNQ上P@5提升了约10%，并且在自适应选择机制下，面对更复杂的查询场景时优势进一步扩大。

05 问题讨论

论文在最后也坦诚地指出了几个有待深入研究的方向：

• 优化自适应选择方法：目前的轻量级提示+few-shot方案虽然简单有效，但仍有提升空间。未来可以考虑更精细的查询特征建模，或者引入更智能的决策机制。
• 扩展重写策略库：当前策略池包含四种，但实际场景中可能存在更多有效的重写方式。例如为多跳问题专门设计子查询重写，甚至融合基于训练的方法，都可能进一步提升效果。
• 性能与效率的平衡：在实际工业部署中，查询重写和多次检索会带来额外的计算开销。如何在保证检索质量的同时，优化框架的响应速度和资源消耗，是落地时需要重点考虑的问题。