/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
MIT
Архитектура
retrievalrouter · dense
Базовая модель
Qwen3-0.6B-Base
Библиотека
transformers
Опубликована
11 июл 2026

RetrievalRouter-lambda-l30

Классификация текстаТекст → label3 профессии

Маршрутизатор для RAG, который по английскому текстовому запросу выбирает один из пяти текстовых или мультимодальных поисковых конвейеров с балансом качества и задержки.

20скачиваний за 30 дней0лайковвеса обновлены27 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RetrievalRouter (λ=0.3) — обученный авторами статьи RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval маршрутизатор поисковых конвейеров для RAG. По текстовому запросу он выбирает один из пяти вариантов поиска, сочетая текстовый или мультимодальный режим с плотным поиском и поздним переранжированием. Модель предназначена для систем с несколькими заранее подготовленными индексами: она решает, какой конвейер запустить для запроса, но сама документы не ищет и не ранжирует.

В основе — Qwen/Qwen3-0.6B-Base с LoRA-дообучением; адаптеры объединены с весами. Представление запроса размерности 1024 формируется усреднением скрытых состояний энкодера, а линейная голова предсказывает распределение по пяти вариантам поиска. Чекпойнт λ=0.3 балансирует качество результатов и задержку. Обучение использовало 85 103 запроса из 11 бенчмарков; данные охватывают финансовые, научные и открытые домены на английском языке.

Модель подходит для выбора экономичного поискового конвейера для простых запросов и более мощного мультимодального или переранжирующего варианта для сложных запросов, включая вопросы по изображениям страниц и графикам. В README сообщается о приросте nDCG@5 на 2,5% и скорости в 12,4 раза выше сильнейшего статического конвейера. Другие языки и домены не проверялись; необходимы собственные поисковые индексы и реализации выбранных конвейеров. Лицензия — MIT.

Сценарии применения

  • выбор поискового конвейера для запроса в RAG-системе
  • маршрутизация вопросов по финансовым отчётам
  • выбор текстового или мультимодального поиска по научным документам
  • направление вопросов о графиках и изображениях страниц в мультимодальный поиск
  • сокращение задержки поиска за счёт выбора более дешёвого конвейера для простых запросов

Ограничения

Модель только выбирает поисковый конвейер: для работы нужны заранее созданные индексы и отдельные реализации поиска. Обучение проводилось на английских финансовых, научных и открытых данных; другие языки и домены не тестировались.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RetrievalRouter (λ=0.3)

Official checkpoint from RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval (EMNLP 2026). Given only the query text, RetrievalRouter predicts which retrieval pipeline — across modality (text vs. multimodal) and architecture (lexical, dense, or late-interaction rerank) — to run for that query.

Motivation

Retrieval pipelines differ in modality (search over text, or over page images) and architecture (cheap dense search, or expensive late-interaction). The accurate ones are slow; the fast ones miss evidence on hard documents. And which one fails depends on the query — a text pipeline can't answer "what's the red curve in Figure 3?", but a multimodal one is overkill for a plain factoid. Across 11 benchmarks, no single pipeline wins on everything. RetrievalRouter picks the cheapest pipeline that can still answer each query, so easy queries stay fast and hard ones still get the heavy pipeline.

What this model is for

This is a router, not a retriever. It takes a query and predicts which of five retrieval pipelines to run — in about 15 ms, before any search happens. You then run the chosen pipeline to fetch documents.

Use it when you keep several retrieval setups over the same corpus and want to run the expensive ones only when they help. Pick the checkpoint by λ: 0.0 for best accuracy, 1.0 for best speed, in between to trade off.

It doesn't rank or read documents itself, and assumes your indices already exist. Trained on English financial, scientific, and open-domain documents; other domains and languages are untested.

This checkpoint

Trained with λ=0.3 — a balanced objective (λ=0.3), trading a controlled amount of accuracy for lower latency between the quality-only (λ=0.0) and latency-only (λ=1.0) endpoints.

CheckpointλObjective
RetrievalRouter-lambda-l000.0Accuracy only
RetrievalRouter-lambda-l100.1Accuracy-leaning
RetrievalRouter-lambda-l300.3Balanced
RetrievalRouter-lambda-l500.5Balanced
RetrievalRouter-lambda-l700.7Latency-leaning
RetrievalRouter-lambda-l1001.0Latency only

Routing arms

IndexArm (config name)Paper nameModalityArchitecture
0MULTIMODAL_RERANKMM-RerankMultimodalDense → late-interaction rerank
1MULTIMODAL-SINGLEMM-DenseMultimodalSingle-vector dense
2TEXT_RERANKText-RerankTextDense → late-interaction rerank
3TEXT-SINGLEText-DenseTextSingle-vector dense
4BM25BM25TextLexical

The action space is these five arms. Two further pipelines evaluated in the paper (Text-Late, MM-Late) are reported as static reference baselines but never routed to.

Architecture

  • Encoder: Qwen/Qwen3-0.6B-Base with LoRA adapters on the attention and feed-forward projections (merged into these weights).
  • Pooling: mean-pool over the final hidden states → a 1024-d query representation.
  • Head: a single linear layer → logits over the five arms; softmax gives the routing policy.
  • Custom modeling code ships in the repo and loads via trust_remote_code=True.

Usage

import torch
from transformers import AutoModel, AutoTokenizer

repo = "emrekuruu/RetrievalRouter-lambda-l30"
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModel.from_pretrained(repo, trust_remote_code=True).eval()

inputs = tokenizer("In figure 3, what does the red dashed curve represent?",
                   return_tensors="pt", truncation=True, max_length=128)
with torch.no_grad():
    logits = model(**inputs)["logits"]              # shape [1, 5]
arm = model.config.strategy_names[logits.softmax(-1).argmax(-1).item()]
print(arm)   # e.g. "MULTIMODAL_RERANK" -> run that pipeline for this query

The router returns which retrieval pipeline to run, not documents. You then execute the selected pipeline against your own indices.

Training

Trained against soft targets from a per-query reward vector over the five arms, rather than a single hard best-pipeline label (pipelines frequently tie on nDCG@5, and hard labels inject noise). The reward combines accuracy and efficiency,

$$ r_i(q) = (1-\lambda), s_i(q) + \lambda,(1 - \ell_i(q)), $$

where $s_i(q)$ is the arm's nDCG@5 and $\ell_i(q)$ its per-query normalized latency. The reward vector becomes a target distribution via a low-temperature softmax (τ=0.1), and the router minimizes the KL divergence to it. λ is the only knob that differs across the checkpoints above. Training data spans 85,103 queries across 11 benchmarks.

Results (headline)

Against the strongest static pipeline, RetrievalRouter is +2.5% nDCG@5 and 12.4× faster. Against the prior adaptive strategy-selection baseline (emrekuruu/RetrievalRouter_Baseline), it achieves significantly higher nDCG@5 in accuracy-oriented settings and matches or numerically beats it on both nDCG@5 and latency in latency-oriented settings. See the paper for full tables and significance tests.

Citation

@misc{kuru2026retrievalrouterjointmodalityarchitecture,
      title={RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval}, 
      author={Emre Kuru and Mehmet Onur Keskin and Reza Farahbakhsh and Noel Crespi},
      year={2026},
      eprint={2608.25625},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2608.25625}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
RetrievalRouterModel
Ревизия весов
a8478b9

0 моделей