GRaSP地理分布式RAG优化论文上线

10月17日，Hardik Ruparel等人发布论文《GRaSP: 面向地理分布式检索增强生成的延迟感知优化》。该工作提出一种无需重训练的地理感知重排序层，利用线性目标与划分拟阵，采用 O(N log N) 贪心策略求解，选择开销低于 1 毫秒，可稳定支持 200 查询/秒。在四区域模拟环境下，GRaSP 将 P90 获取延迟降低 41%，同时保留 78% 的召回率。在端到端问答测试中，该算法使上下文获取延迟降低 43%，其绝对答案准确率与纯相关性检索的差距仅为 0.062，证明其在地理分布式场景下兼顾了效率与准确性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。