长上下文推理与检索增强生成(RAG)在证据选择的规模上差异巨大——前者通常仅依赖单个超长提示,后者则需面对整个语料库。我们提出一个问题:是否存在一种统一的、内置于模型内部的机制,能够跨越这一尺度鸿沟,实现从语料库级检索到长上下文推理的通用证据选择?为此,我们提出了“用单一模型统合检索与长上下文”(UNREAL)框架——一种原生于大语言模型(LLM)的证据选择方法,旨在无缝覆盖语料库检索与长上下文推理两大任务。UNREAL 直接利用冻结的底层大语言模型(LLM)内部表征来编码文本块,并从中生成检索查询;其引入的可训练参数不足 50 万,且完全不改动原有模型主干结构。在包含 30 亿词元、2100 万个文本块的维基百科索引上,全部四种基于密集检索和混合检索的 UNREAL 主干模型均显著超越当前最先进的“检索器–重排序器”系统:在 HotpotQA 上,召回率从 49.1% 提升至 73.2%;在 2WikiMultiHopQA 上,从 31.7% 提升至 60.1%;在 MuSiQue 上,亦从 8.8% 提升至 14.4%。当应用于长上下文任务时,同一套证据选择机制可在生成前主动剔除干扰项:在 NoLiMa 基准测试中,于最大上下文长度 128K 词元下,准确率由 1.0% 大幅提升至 24.83%;在 LV-Eval 基准测试中,F1 分数于 256K 词元上下文下由 49.97% 提升至 54.66%。此外,相较于完整上下文推理,UNREAL 自约 32K 词元起即开始降低计算量(FLOPs)与首字输出延迟(time-to-first-token),且随着上下文长度持续增长,性能增益愈发显著。综上所述,这些结果共同确立了“模型内部证据选择”作为语料库检索与证据稀疏型长上下文推理的共通基础。

