从第一性原理出发的RAG推理新范式来了，蚂蚁DIV

在当前由大语言模型（LLM）驱动的技术范式中，检索增强生成（RAG）已成为提升模型知识能力与缓解「幻觉」的核心技术。然而，现有 RAG 系统在面对需多步逻辑推理任务时仍存在显著局限，具体挑战如下：

• 表面相关性 (Surface Relevance)：基于 TF-IDF/BM25 等传统方法过度依赖词汇重叠度，倾向于召回与查询共享关键词的文档，导致检索结果停留于浅层文本匹配。
• 深度相关性 (Deep Relevance)：真实场景中的复杂查询（如医学诊断推导、数学定理证明）其相关性往往是隐性的，隐藏在概念类比、逻辑推演或因果链条之中，需要模型具备超越字面含义的理解能力。

为建立严格的评估体系，学术界提出了 BRIGHT—— 首个面向推理密集型检索的权威测试集。该基准涵盖了源自经济学、心理学、数学及编程等多个知识密集型领域的真实查询。这些查询的共性在于其答案无法通过传统的直接检索显式获得，使得很多 RAG 系统失效。而 BRIGHT 必须通过多步推理构建证据链，也就是所谓的「第一性原理」， 从 「根源」 推导，而非 「类比」来解决问题。

针对这一技术挑战，蚂蚁集团 AQ-MedAI 团队提出了 DIVER（Deep reasonIng retrieVal and rERanking） 框架，旨在解决「推理密集型」（Reasoning-Intensive）场景下的信息检索难题。

• 论文标题：DIVER: A Multi-Stage Approach for Reasoning-intensive Information Retrieval
• arXiv 地址：https://arxiv.org/pdf/2508.07995
• 代码与模型开源地址：
• https://github.com/AQ-MedAI/DIVER
• https://huggingface.co/AQ-MedAI/DIVER-Retriever-4B
• https://huggingface.co/AQ-MedAI/Diver-Retriever-0.6B

目前，DIVER 框架在 BRIGHT 公开排行榜上测评得分 45.8，排名第一，充分验证了其技术的领先性。

DIVER：推理驱动式检索系统

DIVER 是一套推理驱动式的检索框架，其将复杂的检索任务分解为四个阶段，主要为 DIVER-DChunk、DIVER-QExpand、DIVER-Retriever 和 DIVER-RERANK。

DIVER：技术架构深度拆解

第一阶段：文档预处理（DIVER-DChunk）—— 奠定坚实基础

高质量的知识库是有效检索的前提。DIVER 首先对原始文档进行「净化」和「重组」。它会自动清除文本中的噪声（如无关的 HTML 标签、格式错误），并利用语义理解技术将过长的文档智能切分为逻辑连贯、大小适中的「知识块」。

这一步确保了后续模型读取的是清晰、有序、高质量的信息，为后续的推理环节打下了坚实的基础。

第二阶段：查询扩展（DIVER-QExpand）—— 让模型学会「追问」和「联想」

用户的原始问题可能不够精确，DIVER 采用了一种与文档「互动」的迭代式查询扩展策略。当接收到用户的初始查询后，系统并非立即进行检索，而是利用一个强大的语言模型对查询进行迭代式的「精炼」和「扩展」。模型会分析初始查询，并结合初步检索到的少量文档，生成更明确的推理路径和所需证据的描述，然后将这些信息补充回原始查询中。

这个过程会重复进行，形成一个反馈循环，使查询的意图越来越清晰、精准，引导系统走向正确的答案方向。

第三阶段：专为推理定制的检索（DIVER-Retriever）—— 从第一性出发，训练一位「侦探」，而非「图书管理员」

有了经过「思考」的查询，DIVER 会启用一个经过特殊训练的检索模型。这个模型的独特之处在于其训练数据：

1. 合成的推理数据：在医疗诊断推导和数学定理证明等复杂推理领域，该技术团队构建了带有逻辑链标注的合成数据集。这些数据要求模型不仅要匹配关键词，更要学习隐含的逻辑关联性，如症状 - 病理的因果推断或数学命题的蕴涵关系。

2.「困难负样本」（Hard Negatives）：训练中包含了大量与正确答案表面相似但实际错误的「陷阱」样本。这迫使模型不仅要看「像不像」，更要理解「是不是」，从而具备了极强的辨别能力。该技术团队设计了三级负样本筛选策略：

• 表层相似：保持词项重叠但逻辑矛盾的样本（如「糖尿病胰岛素抵抗」vs「糖尿病胰岛素分泌过剩」）
• 结构仿造：模仿正确推理路径但包含隐性谬误的样本
• 语义对抗：通过语言模型生成的强干扰项

3. 基于难负样本采样的对比学习：通过引入对比学习框架，模型将正确答案与这些高难负样本同时进行对比训练。模型被迫聚焦于两者间微妙差异，从而提升了对复杂推理过程中的关键信息识别能力和鲁棒性。

通过这种方式训练出的检索器，能够精准地从海量信息中捕获到那些真正支撑推理链条的关键证据。

第四阶段：混合式重排序（Reranking）—— 确保最终答案的质量与连贯性

最后，初步检索出的文档列表会进入重排序阶段。DIVER 巧妙地结合了两种策略：逐点排序（Pointwise）策略和列表排序（Listwise）策略。这种「局部精调」与「全局统筹」相结合的混合模式，确保了呈现给用户的文档列表既有高质量的个体，又有最优的整体顺序。

技术突破验证

基准测评、行业对比、产业落地全面领先

BRIGHT 榜单达到 SOTA

DIVER 在权威的推理密集型检索基准 BRIGHT 上，其整体 nDCG@10（衡量前 10 个结果排序质量的指标）达到了45.8，全面超越了现有的其他具备推理能力的模型，达到了业界顶尖（SOTA）水平。

行业模型对比

在跨领域任务及不同查询难度的评测中，DIVER-Retriever 展现了显著的性能优势与强劲的泛化能力：在数学推理、通用科学和代码检索三大场景下，其 nDCG@10 与闭源模型 Seed1.5 Embedding相比，平均提升 2 个百分点；相较于参数规模为其两倍的开源模型 ReasonIR-8B，平均提升了 4 个百分点，充分验证了 DIVER-Retriever 在不同领域与难度条件下均能保持稳健而有效的检索性能。

AQ 落地应用

医疗领域对知识的准确性和推理的严谨性有着极高的要求，尤其是在精准医疗的发展趋势下，必须根据患者的具体情况和医学原理制定治疗方案，而不能简单地照搬经验。

自 6 月在 AQ 医疗应用上线以来，DIVER 驱动的检索增强系统实现了临床级检索和循证精准突破：在诊疗证据召回场景中，相比 BGE-M3 模型，英文文献召回的 Hit@1 提升 11 个百分点；中文召回的 Hit@1 从 0.824 提升至 0.922，提升 9.8 个百分点；混合检索（中文召回英文）的 Hit@1 提升 8.6 个百分点。

同时 DIVER-Dchunk 应用在离线指南与论文的 chunking 环节，大幅提升了指南与论文检索信息的有效性。

展望

蚂蚁 MedAI 将持续深耕复杂推理型的检索技术以及重排序技术，持续提升在医疗复杂推理、泛健康场景的检索循证能力。该技术团队将持续优化 DIVER 框架，为临床决策提供了可验证、可追溯、可更新的知识基础设施，重新定义医疗级 RAG 的技术标准。

接下来，该技术团队会陆续开源其他 size 的检索模型以及重排序模型，欢迎研究者与开发者关注并使用他们的模型，期待与更多科研机构及产业伙伴合作，共建开放繁荣的开源生态，共同推动人工智能与医疗 AI 的发展。