AI 検索の「探しにいく」コストを、Google は学習時に前払いする設計へ切り替えた。一方で、探索をあえて推論側で回す研究も出ている。
何が起きたか
Google Research が Retrieve-for-Train を公開した。検索や推薦で最良の 1 件を返すのではなく、互いに補い合う結果のまとまりを返す枠組みだ。キャンプ用品を探せば、テント・寝袋・コンロを揃えて返す。従来の作りは、問い合わせのたびに自己回帰的な推論を重ねてコストを払っていた。この方式は強化学習で軽量な拡散モデルを一度だけ学習させ、以後はまとまりを即座に生成する。
なぜ重要か
問い合わせのたびにモデルへ考えさせる設計は、応答が遅く高くつく。学習時に前払いすれば使う側は速く安くなるが、学習し直さない限り挙動は固定される。逆を向く研究も出ている。HypoEvolve は遺伝的アルゴリズムで複数の LLM エージェントに科学的仮説を探索させるもので、探索を推論側へ厚く積む形になる。どちらが正しいかは用途で割れる。速さが要る検索と、時間をかけてでも新しい答えが要る研究とでは、コストを払うべき場所が違う。
次に何を見るか
前払い方式の弱点は、学習を終えたあとに世界が変わったときの追従にある。Retrieve-for-Train が再学習の頻度とコストをどう示すかで、この設計が検索の標準になるか、特定用途に留まるかが分かれる。