Newest papers

Evolving Semantic Indexes for Generative Retrieval

Jinming Nian, Jyun-Yu Jiang, Henry Tsai, Yi Fang, Zhirong Liang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28568 · open-access PDF

Arabic

تُعطى العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على العثور على الع

Machine translation (Meta M2M100); the English original follows.

Abstract

Generative retrieval (GR) casts search and recommendation as autoregressive generation of discrete semantic identifiers (SIDs). SID design largely determines GR quality, but its discrete, interdependent components (SID construction, collision handling, decoding, and training) cannot be optimized end-to-end with gradients and remain largely hand-designed. We introduce a framework that improves these components through LLM-driven evolutionary program search, to our knowledge the first application of this approach to GR. A locally served, open-weight 31B model mutates executable GR components, so

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange