> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google'ın R4T yöntemi arama sorgularını tek geçişte dallandırıyor
- URL: https://globalfeed.ai/googlein-r4t-yontemi-arama-sorgularini-tek-geciste-dallandiriyor/
- Published: 2026-09-18T16:52:20.000Z
- Updated: 2026-09-18T16:52:20.000Z
- Description: Google Research, sorgu dallandırmayı pekiştirmeli öğrenmeyle öğrenip küçük bir difüzyon modeline aktaran R4T çerçevesini tanıttı.
- Author: GlobalFeed Editor
- Tags: Google, R4T, arama, x-GoogleResearch, dil-tr, denetim-gerekli, video

Google Research, arama ve öneri sistemlerinde tek bir sorguyu birden çok alt sorguya bölen "sorgu dallandırma" işini hızlandırmak için Retrieve-for-Train (R4T) adlı çerçeveyi duyurdu. Yöntem pekiştirmeli öğrenmeyi (RL) çevrimdışı, bir kez çalıştırıyor; öğrenilen davranışı ise bütün getirme yönlerini tek geçişte üreten küçük bir difüzyon modeline damıtıyor.

Araştırma ekibi, genel amaçlı bir dil modeli bu işi çıkarım anında yaptığında iki sorun görüyor. Birincisi eşanlamlıya sıkışma: "Bohemian festival style" sorgusunda sıfır atışlı Qwen3-4B "bohemian festival fashion" ve "festival bohemian clothes" yazdı, yani birbirinin aynısı sonuçlar geldi. İkincisi gecikme; otoregresif üretim ve tekrarlanan getirme çağrıları yavaş, Best-of-N örnekleme kaliteyi artırsa da maliyeti katlıyor.

## Ödül tasarımı ve eğitim

Açık uçlu soyut getirmede (OAR) ödül üç ağırlıklı terimden oluşuyor. Ablasyon çalışmasına göre üçü de gerekli: yalnız dayanaklılıkla eğitilen Gemma3-4B "line ending line ending" gibi dizilere çöktü, hizalama eklenince çöküş hızlandı, çeşitlilik terimi ise iki kestirme yolu da kapattı. Eğitimde ileri ve geri KL cezaları içeren yumuşak PPO düzenlileştirmeli GRPO kullanıldı; grup boyutu 8, öğrenme oranı 1×10⁻⁷, küresel yığın boyutu 512.

## Sonuçlar

Deneylerde Polyvore kıyafet veri kümesi (128 boyutlu CLIP tabanlı matryoshka kodlayıcı) ve MuLan gömmeleriyle özel bir uzman çalma listesi müzik kümesi kullanıldı. Her yöntem k=10 alt sorgu üretti. LLM jürisinin 5'li Likert puanlamasında Polyvore'da Gemma3-4B R4T-FOLM ortalama 49,1 aldı; Best-of-N 40,9, sıfır atışlı 38,5 puanda kaldı. Çeşitlilik 56,0'dan 76,8'e çıktı, difüzyon sürümü 74,3 ile bunun çoğunu korudu. Müzikte R4T-FOLM 58,1, Best-of-N 49,2 aldı.

Hız tarafında 8'lik yığında otoregresif dallandırma yaklaşık 1,46 saniye sürdü, difüzyon modeli 0,07 saniye. 1024'lük yığında süreler 50 saniyeye karşı 4,21 saniye oldu. Yazarlar 12 ila 20 kat hızlanma bildiriyor.

Ayrıntılar için [MarkTechPost'un haberine](https://www.marktechpost.com/2026/09/16/google-research-introduces-retrieve-for-train-r4t-an-rl-compiled-diffusion-retriever-for-12x-to-20x-faster-query-fan-out/?ref=globalfeed.ai) bakabilirsiniz.