When Classic Cache Policies Fail: Learning-Augmented Replacement for Semantic Retrieval Buffers

• 类型：arxiv
• 标识：2607.00394
• 链接：https://arxiv.org/abs/2607.00394
• 主分类：rag
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：1
• TLDR：SOLAR is proposed, a learning-augmented framework that derives modification timing from regret accumulation and content selection from Bayesian online learning over implicit retrieval feedback and achieves a constant competitive ratio, independent of cache size and horizon.
• OpenAlex ID：W7167023563
• OpenAlex DOI：10.48550/arxiv.2607.00394
• DOI：10.48550/arxiv.2607.00394
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.00394
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：当经典缓存策略失效时：面向语义检索缓冲区的学习增强替换
• TLDR中文：本文提出 SOLAR，一种学习增强框架，从 regret 累积中推导修改时机，并基于隐式检索反馈的贝叶斯在线学习进行内容选择，实现与缓存大小和时域无关的常数竞争比。
• 来源文件：
• /inbox/tom/_candidates/2026-07-08-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]