DecisionRAG چیست؟ بازیابی سلسله‌مراتبی با مدل تصمیم

تیم پشتیبانی یک شرکت تولیدکننده، صدها راهنمای نصب، دفترچهٔ عیب‌یابی و اطلاعیهٔ اصلاحی دارد. کارشناس می‌پرسد: «برای خطای فشار در دستگاه سری AX، ابتدا کدام بررسی را انجام دهیم؟» پاسخ درست شاید در یک بند کوتاه از راهنمای همان سری باشد. بازیابی صرفاً بر اساس شباهت می‌تواند بندهایی دربارهٔ فشار در دستگاه‌های دیگر را هم بالا بیاورد؛ در مقابل، پیمایش ساختار اسناد فرصتی می‌دهد ابتدا خانوادهٔ محصول و سپس راهنمای مربوط را بررسی کنیم.

DecisionRAG روشی پژوهشی برای چنین مسیریابی مرحله‌ای است. در این روش، یک مدل تصمیم دربارهٔ ارتباط نامزدها با سؤال قضاوت می‌کند و سیستم از مجموعهٔ اسناد به صفحه‌ها و سپس به بندهای محتمل می‌رسد. مقالهٔ اصلی، «Retriever-Free Retrieval: Navigating Documents with Decision Models»، نسخهٔ اول خود را در ۲۶ اکتبر ۲۰۲۶ در arXiv منتشر کرده است. این نوشته بر پایهٔ همان پیش‌چاپ با شناسهٔ arXiv:2610.35868v1 است، نه گزارش استقرار در شرکت فرضی ما. ۱

برای مدیر محصول و تیم فنی، سؤال عملی این است: آیا ارزش دارد کنار بازیابی فعلی، مسیریابی با مدل تصمیم را آزمایش کنیم؟ پاسخ به ساختار اسناد، هزینهٔ پردازش و نتیجهٔ ارزیابی روی سؤال‌های واقعی بستگی دارد.

DecisionRAG چیست و چه تفاوتی با بازیابی متداول دارد؟

در یک خط لولهٔ متداول، جست‌وجوی واژگانی یا برداری ابتدا تعدادی قطعهٔ نامزد برمی‌گرداند؛ سپس ممکن است یک رتبه‌بند آن‌ها را مرتب کند و بهترین شواهد به مدل پاسخ‌گو برسند. DecisionRAG در مسیر اصلی خود، به جای آغاز با فهرستی از قطعه‌های پیدا‌شده با جست‌وجوی برداری، در ساختار مجموعه حرکت می‌کند: از دسته یا سند به صفحه و از صفحه به متن. تصمیم هر مرحله دامنهٔ مرحلهٔ بعد را محدود می‌کند.

واژهٔ «بدون بازیاب» را باید در همین چارچوب فهمید: در زمان پرسش، مسیر اصلی از بازیاب متداول برای انتخاب نامزدهای اولیه استفاده نمی‌کند. این روش همچنان بازیابی اطلاعات انجام می‌دهد و نسخه‌ای از آزمایش نیز نامزدهای بازیابی برداری را به مسیر تصمیم اضافه می‌کند. پس نام مقاله به معنی حذف نیاز به یافتن شواهد یا حذف همهٔ کاربردهای بردار نیست. ۱

تفاوت دیگر، نوع خروجی مدل تصمیم است. این مدل برای هر نامزد احتمال پاسخ «بله» را به یک پرسش مشخص، مانند «آیا این صفحه اطلاعات لازم را دارد؟»، امتیاز می‌دهد. پرسش‌های نامزدها مستقل‌اند و چند نامزد هم‌زمان می‌توانند امتیاز بالا بگیرند؛ لازم نیست جمع احتمال‌های «بله» یک شود. متن سؤال و شرح مجموعهٔ نامزدها در یک زمینهٔ مشترک به مدل ارائه می‌شود تا تصمیم هر نامزد از زمینهٔ بقیه نیز بهره بگیرد.

این امتیازدهی در پژوهش با یک مدل مخصوص تصمیم و بدون تولید توکن برای هر تصمیم انجام می‌شود. البته خواندن ورودی و محاسبه همچنان هزینه دارد و مدل پاسخ‌گوی نهایی، پس از دریافت شواهد، پاسخ را تولید می‌کند. اضافه‌کردن یک دستور «بله یا خیر بگو» به هر مدل زبانی معمولی الزاماً همان سازوکار یا همان سرعت را ایجاد نمی‌کند. ۱

مسیر تصمیم از مجموعه تا بند چگونه ساخته می‌شود؟

ساختار دقیق به مجموعه بستگی دارد، اما منطق مقاله را می‌توان در چهار مرحله دنبال کرد:

1. آماده‌سازی ساختار: برای مجموعه‌ها، صفحه‌ها و بخش‌ها عنوان یا توضیح کوتاه تهیه کنید و رابطهٔ هر بند با سند و نسخهٔ اصلی را نگه دارید. کیفیت عنوان‌ها مهم است: برچسب «سایر موارد» به‌تنهایی نشانهٔ خوبی از محتوای زیرشاخه نمی‌دهد.

2. تصمیم در سطح بالا: مدل با دیدن سؤال و توضیح نامزدها، مسیرهای محتمل را امتیاز می‌دهد. سیستم به‌جای نگه‌داشتن فقط یک گزینه، می‌تواند چند گزینهٔ نخست را برای کاهش خطر حذف زودهنگام نگه دارد.

3. پیمایش صفحه و بند: در هر مرحله فرزندان گزینه‌های باقی‌مانده بررسی می‌شوند. متن بندها همراه با عنوان و مسیر مربوط ارائه می‌شود؛ در نتیجه یک بند کوتاه می‌تواند از زمینهٔ صفحه‌اش معنا بگیرد.

4. انتخاب نهایی شواهد: بندهای امتیازگرفته مرتب می‌شوند. مقاله در بعضی پیکربندی‌ها، یک مرحلهٔ چندگزینه‌ای نیز روی فهرست کوتاه اجرا می‌کند تا نامزدها را دوباره مرتب کند؛ در پایان شواهد برگزیده به مدل پاسخ‌گو می‌رسند. ۱

در تصمیم چندگزینه‌ای، گزینه‌ها در یک انتخاب با هم رقابت می‌کنند؛ در امتیازدهی دودویی، هر نامزد جداگانه با «بله/خیر» سنجیده می‌شود. این دو کار یکسان نیستند. مرحلهٔ چندگزینه‌ای هم فقط نامزدهای موجود در فهرست کوتاه را می‌بیند و سندی را که در مراحل قبل حذف شده بازنمی‌گرداند.

پیمایش لزوماً به معنای یک فراخوانی برای کل مجموعه نیست. برای مجموعهٔ بزرگ ممکن است نامزدها در چند دسته و با چند درخواست موازی پردازش شوند و پس از آن مراحل به‌ترتیب اجرا شوند. اندازهٔ زمینه، تعداد دسته‌ها و تعداد مسیرهای نگه‌داشته‌شده بر زمان و هزینه اثر می‌گذارند.

یک مثال عملی برای راهنماهای خدمات پس از فروش

فرض کنید شرکت نمونه چهار خانوادهٔ محصول دارد و هر خانواده چند راهنمای نصب، نگهداری و رفع خطا. سؤال کارشناس دربارهٔ خطای فشار دستگاه سری AX است. نام‌ها و اعداد این سناریو صرفاً برای توضیح‌اند و نتیجهٔ آزمون واقعی نیستند.

اگر عنوان صفحه فقط «خطاها» باشد، مدل در مرحلهٔ صفحه اطلاعات کمی برای تصمیم دارد. افزودن عنوان خانواده، نسخه و سرفصل‌های دقیق می‌تواند تصمیم را قابل بررسی‌تر کند. اما اگر نسخهٔ AX در سؤال مشخص نباشد و راهنمای دو نسخه دستور متفاوتی داشته باشد، سیستم باید نسخه را روشن کند؛ امتیاز بالا جای اطلاعات مفقود را پر نمی‌کند.

همچنین ممکن است نکتهٔ اصلی در اطلاعیه‌ای خارج از شاخهٔ AX باشد. اگر مسیر اطلاعیه‌ها در مرحلهٔ اول حذف شود، مرحلهٔ بند هیچ‌گاه آن را نمی‌بیند. راهکار آزمایشی، نگه‌داشتن چند شاخه یا افزودن نامزدهای خط لولهٔ بازیابی موجود است؛ سپس باید دید افزایش پوشش واقعاً خطا را در داده‌های سازمان کم می‌کند یا صرفاً متن بیشتری به مدل می‌فرستد.

نتایج مقاله را چگونه بخوانیم؟

نویسندگان روش را روی چند مجموعهٔ پرسش و پاسخ و گفتگو آزموده‌اند. جدول زیر بخشی از مقایسهٔ مقاله میان بازیابی برداری به‌همراه رتبه‌بندی مجدد Qwen3 و پیکربندی DecisionRAG با مدل تصمیم Jev است. اعداد درصد هستند و مقایسه فقط در همان مجموعه، معیار و تنظیمات مقاله معنا دارد. ۱

بازخوانی، سهم شواهد مرجع بازیابی‌شده را می‌سنجد؛ Hit@1 می‌پرسد آیا نتیجهٔ اول دست‌کم یک شاهد مرجع دارد یا نه. در Natural Questions نتیجهٔ اول برای DecisionRAG بهتر است، اما بازخوانی ده نتیجهٔ اول در این مقایسه پایین‌تر است. بنابراین بهترشدن رتبهٔ نخست لزوماً به معنای پوشش بیشتر همهٔ شواهد در فهرست نیست.

در ConditionalQA نیز یک مقایسهٔ دیگر اهمیت دارد: بازرتبه‌بندی ۲۰ نامزد برداری با GPT-5 در معیار Hit@1 به ۷۳٫۴٪ رسیده و DecisionRAG در پیکربندی اصلی به ۶۹٫۷٪؛ بنابراین برتری روش تازه بر همهٔ گزینه‌ها ثابت نشده است. نسخه‌ای که نامزدهای برداری را نیز به DecisionRAG می‌افزاید در همین مجموعه ۷۳٫۴٪ گزارش شده است. این اعداد از تنظیمات همان پژوهش‌اند و به معنی پیش‌بینی عملکرد یک سرویس دیگر نیستند. ۱

بازیابی خوب فقط یکی از اجزای پاسخ خوب است. مقاله تولید پاسخ را نیز جداگانه آزموده و برای برخی نتایج از داوری مدلی استفاده کرده است. پاسخ روان می‌تواند شاهد ناقص را بد تفسیر کند، شرطی را حذف کند یا به سندی اشاره کند که ادعایش را تأیید نمی‌کند. در پایلوت سازمانی، درستی پاسخ و صحت ارجاع را مستقل از رتبهٔ بازیابی بسنجید.

آیا DecisionRAG به embedding نیاز ندارد؟

پاسخ دقیق این است: در مسیر اصلیِ زمان پرسش، جست‌وجوی برداری الزامی نیست؛ در آماده‌سازی یا پیکربندی ترکیبی ممکن است embedding استفاده شود. برای Natural Questions، نویسندگان صفحه‌های ویکی‌پدیا را پیش از پاسخ‌گویی با embedding عنوان و جملهٔ نخست خوشه‌بندی کرده‌اند و برای خوشه‌ها توضیح ساخته‌اند. سپس مدل تصمیم در زمان پرسش توضیح خوشه‌ها را بررسی می‌کند. این کار در هزینهٔ آماده‌سازی اهمیت دارد، هرچند خود مسیر آنلاین اولیه جست‌وجوی برداری متداول نیست. ۱

وجود ساختار نیز رایگان نیست. اگر سندها عنوان نامعتبر، نسخه‌های متناقض یا پوشه‌بندی نامرتبط با سؤال کاربران داشته باشند، تیم باید ساختار و توضیحات را بازبینی کند. با افزودن یا حذف سند، توضیح گروه‌ها و مسیرهای ارتباطی نیز نیازمند به‌روزرسانی‌اند. سناریوی سادهٔ اسناد مرتب با مخزن قدیمی متشکل از فایل‌های اسکن‌شده و عنوان‌های مبهم یکسان نیست.

زمان و هزینه: چه چیزهایی اندازه‌گیری شده‌اند؟

در آزمایش آنلاین مقاله، میانهٔ زمان بازیابی DecisionRAG بسته به مجموعه از ۰٫۶۸ تا ۱٫۷۶ ثانیه گزارش شده است. هزینهٔ رابط سرویس مدل تصمیم نیز برای همان آزمایش‌ها حدود ۰٫۲۲ تا ۲٫۳۳ سنت آمریکا به‌ازای هر پرسش بوده است. این اعداد قیمت محصول شما نیستند: اندازهٔ داده، ارائه‌دهنده، تعداد درخواست‌های موازی و تنظیمات آزمایش بر آن‌ها اثر دارند. ۱

محدودهٔ اندازه‌گیری هم تعیین‌کننده است. هزینه و زمان آماده‌سازی آفلاین و تولید پاسخ نهایی در این اعداد محاسبه نشده‌اند. مقاله برای برخی خطوط مقایسه از سخت‌افزار و نمونه‌های زمانی متفاوت استفاده می‌کند و خود نسبت زمان‌ها را شتاب‌سنجی کنترل‌شده نمی‌داند. اگر مسیر ترکیبی را بسنجید، باید زمان و هزینهٔ جست‌وجوی برداری را نیز در اندازه‌گیری سرتاسری خود وارد کنید؛ در برخی اندازه‌گیری‌های مقاله نامزدهای برداری از پیش ذخیره شده‌اند.

برنامهٔ آزمایش برای یک شرکت متوسط

برای تصمیم مهندسی، از یک پایلوت محدود و قابل بازگشت شروع کنید:

1. مسئله و مجموعه را مشخص کنید. مثلاً راهنماهای خدمات یک خانوادهٔ محصول را با نسخه، مالک و مجوز دسترسی معلوم انتخاب کنید. سندهای اسکن‌شده و متن استخراج‌شده را از نظر کیفیت ورودی جدا بررسی کنید.

2. مجموعهٔ ارزیابی بسازید. سؤال‌های واقعی و مجاز را با مشارکت کارشناسان گردآوری کنید؛ برای هر سؤال بند یا بندهای شاهد، نسخهٔ معتبر و در موارد بی‌پاسخ، دلیل نبود پاسخ را ثبت کنید. سؤال‌هایی با نام مبهم، اصلاحیهٔ جدید و اطلاعات پراکنده را نیز وارد کنید.

3. خط مبنا را حفظ کنید. بازیابی فعلی را روی همان نسخهٔ اسناد، همان سؤال‌ها و همان مجوزها اجرا کنید. در سامانه‌ای که چهار نمای قطعه، زیرقطعه، پرسش مصنوعی و خلاصه دارد، DecisionRAG را به‌صورت مسیر آزمایشی در کنار آن‌ها بسنجید؛ این روش به‌خودی‌خود پیاده‌سازی آن چهار نمایه نیست.

4. مسیر تصمیم را ثبت کنید. برای هر سؤال، شاخه‌های دیده‌شده، نامزدهای باقی‌مانده و دلیل ارزیابی انسانیِ خطا را نگه دارید. بررسی کنید آیا شاهد در مرحلهٔ انتخاب خانواده، صفحه یا رتبه‌بندی بند از دست رفته است.

5. کیفیت و منابع را کنار هم گزارش کنید. پوشش شواهد در چند رتبه، درستی پاسخ، پشتیبانی ادعا با ارجاع، زمان میانه و زمان دُم توزیع، مصرف و هزینهٔ سرتاسری را مقایسه کنید. آماده‌سازی ساختار و نگهداری آن را نیز جداگانه برآورد کنید.

6. ترکیب و بازگشت را بیازمایید. نامزدهای مسیر تصمیم و بازیابی موجود را با حذف موارد تکراری ادغام کنید و به منبع اصلی برگردانید. اگر خطای شاخهٔ حذف‌شده کمتر نشد یا هزینه از بودجهٔ آزمون گذشت، مسیر فعلی را نگه دارید و علت را ثبت کنید.

پیش از ارسال هر نامزد، عنوان یا خلاصه به مدل تصمیم، مجوز همان کاربر باید اعمال شود. عنوان یک سند محرمانه نیز می‌تواند اطلاعات افشا کند. در خط ترکیبی، مجوز و نسخهٔ معتبر باید برای هر دو مسیر یکسان اعمال شود و پاسخ فقط به سندی ارجاع دهد که کاربر مجاز به دیدن آن است.

محدودیت‌های پژوهش برای تصمیم استقرار

پیکربندی‌های اصلی مقاله به Jev 1.13، یک سرویس مدل تصمیم، متکی‌اند. نویسندگان همچنین مدل‌های با وزن باز مبتنی بر Qwen3 را بررسی کرده‌اند؛ بخشی از نتایج بهتر این مدل‌ها با آموزش روی داده‌های همان وظایف به دست آمده است. این نتایج آموزش‌دیده را نباید با نتیجهٔ بدون آموزش اختصاصی یکی گرفت یا انتظار داشت بدون داده و زیرساخت مشابه تکرار شوند. ۱

مجموعه‌های مقاله آزمون مستقلی برای کیفیت زبان فارسی ارائه نمی‌کنند. عملکرد روی نیم‌فاصله، عنوان‌های فارسی، سندهای اسکن‌شده و اصطلاحات اختصاصی یک سازمان از اعداد جدول قابل استنتاج نیست. افزون بر این، پژوهش در قالب پیش‌چاپ منتشر شده است؛ برای تصمیم استقرار، بازتولید و ارزیابی در محیط خودتان لازم است.

در نهایت، ساختار درختی برای همهٔ سؤال‌ها کافی نیست. پرسشی که به چند سند در بخش‌های جدا، اصلاحیهٔ جدید و یک استثنا وابسته است ممکن است به چند شاخه نیاز داشته باشد. باید تعیین کنید سیستم چگونه چند شاهد را کنار هم نگه می‌دارد، تعارض نسخه‌ها را نشان می‌دهد و وقتی شواهد کافی ندارد پاسخ قطعی نمی‌دهد.

پرسش‌های رایج دربارهٔ DecisionRAG

آیا DecisionRAG جایگزین قطعی جست‌وجوی برداری است؟

خیر؛ پژوهش نشان می‌دهد پیمایش تصمیم‌محور در برخی تنظیمات می‌تواند رقابتی باشد. نتیجه به مجموعه و معیار بستگی دارد و ترکیب نامزدهای برداری با مسیر تصمیم نیز در مقاله بررسی شده است. مقایسهٔ واقعی را با داده و هزینهٔ سامانهٔ خود انجام دهید.

آیا می‌توان از یک مدل چت معمولی به‌عنوان مدل تصمیم استفاده کرد؟

می‌توان ایدهٔ پرسش از مدل را آزمایش کرد، اما معماری امتیازدهی و هزینهٔ مدل تصمیم مقاله را نمی‌توان به هر مدل چت تعمیم داد. تعداد درخواست‌ها، اندازهٔ ورودی و کیفیت رتبه‌بندی را برای پیاده‌سازی انتخابی خود اندازه بگیرید.

آیا این نتایج برای اسناد فارسی معتبرند؟

مقاله نتیجه‌ای ویژهٔ اسناد فارسی گزارش نمی‌کند. برای ارزیابی، سؤال‌های فارسی و شواهد واقعی سازمان، نسخه‌های معتبر و خطاهای استخراج متن را در مجموعهٔ آزمون خود بگنجانید.