Vector Search As Nearest Neighbor Matching: RAG-based Policy Learning in Causal Inference

• 类型：arxiv
• 标识：2607.18225
• 链接：http://arxiv.org/abs/2607.18225v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work decomposes the regret of the two-step method into candidate-generation regret and within-candidate choice regret, and bound the latter using prediction-error guarantees for nearest-neighbor estimators and transformers.
• OpenAlex ID：W7169843332
• OpenAlex DOI：10.48550/arxiv.2607.18225
• DOI：10.48550/arxiv.2607.18225
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.18225
• OpenAlex更新：2026-08-24
• 副分类：llm-infra
• 待LLM分类：否
• 标题中文：向量搜索作为最近邻匹配：基于RAG的因果推断策略学习
• TLDR中文：该工作将两步方法的遗憾分解为候选生成遗憾和候选内选择遗憾，并利用最近邻估计器和Transformer的预测误差保证对后者进行了界。
• 来源文件：
• /inbox/tom/_candidates/2026-07-21-agent-rag-longcontext-candidates.json
• [S2 enrich]
• /inbox/tom/_candidates/2026-07-22-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]