Recuperação sem retriever: artigo troca o retriever do RAG por um modelo de decisão que percorre o corpus
publicado (OK do Fabricio 30/10 BRT).
O artigo “Retriever-Free Retrieval: Navigating Documents with Decision Models” (Chao Wan, Paul Jünger e outros) saiu no arXiv em 26/10/2026 e ganhou alcance em 29/10, quando o Elvis Saravia compartilhou (cerca de 390 curtidas).
A ideia. Em vez de um retriever de primeira etapa, um modelo de decisão desce pelo corpus dos temas amplos até os documentos e depois os trechos. Em cada nível ele pontua todos os candidatos numa única passada, sem gerar token, e segue só pelos galhos mais promissores.
Números dos autores (UnverifiedClaim). Sem retriever de primeira etapa e sem treino específico, ganha da busca densa com reranker de 8B por 13,8 pontos de R@1 no MultiDoc2Dial e 17,4 pontos de Hit@1 no Natural Questions, buscando em 2,68 milhões de parágrafos da Wikipédia. Cada consulta leva de 0,7 a 1,8 segundo e custa de 0,2 a 2,3 centavos de dólar. Pontuar os candidatos juntos, no mesmo contexto, rende até 7,7 pontos a mais do que julgar um por um. Um juiz Qwen3-8B treinado com dados do domínio chega a 60,7 de R@1 no MultiDoc2Dial.
Por que importa aqui. É um padrão de uso, não um modelo: o modelo de decisão como navegador, não como reranker. Vale comparar com o artigo anterior que dizia que modelos de decisão não são rerankers melhores sozinhos.