小红书精读：ProRetrieval: Learning to Orchestrate Hybrid Search via Executable Program Synthesis

🔍 检索=写程序？4B模型反超GPT-5.5

各位算法同学们，一个4B模型在混合检索上干翻了GPT-5.5和Claude Opus 4.7，靠的不是更大的模型，而是让模型自己写检索程序。这篇工作把检索从“生成查询”变成了“合成可执行程序”，思路挺清奇。

📄 ProRetrieval: Learning to Orchestrate Hybrid Search via Executable Program Synthesis

技术创新点： 🔧 把检索重构成写程序：模型输出一个DSL程序，SQL负责结构化过滤和逻辑组合，向量检索以占位符形式嵌入SQL，天然支持AND/OR/NOT和嵌套子查询，覆盖任意布尔逻辑。 🧩 层次化奖励训练：先用SFT热启动，再用GRPO/DAPO做强化学习，奖励拆成格式、可执行性、结果质量、长度四项，让模型学会编排多个异构后端。 ⚙️ 多模态统一编排：同一个DSL能同时调文本和图像向量检索，SQL的集合代数把候选集融合，超越了RRF和self-querying的固定组合方式。

实验效果： 📊 电商基准上，4B模型Hit@1达到0.81，GPT-5.5只有0.69，Claude Opus 4.7也没打过。 📈 邮件基准上Hit@1 0.91 vs 0.86，同样领先。 ✅ 对比Search-R1、DeepRetrieval、SQL-R1等基线全胜；消融实验显示去掉向量检索后Hit@1从0.809掉到0.650，证明混合DSL的增量很关键。

总结感想：对做RAG或复杂搜索的同学有参考价值：把action space从查询扩展到程序，再用RL直接优化可执行性。落地坑在于构造带结构化字段+语义标注的训练数据不便宜，而且DSL的schema得按领域定制。后续先盯Hit@1和程序可执行率，跟GPT-5.5比已经赢了。

原文：AlphaXiv