AURA 框架让检索模型学会「何时停止思考」，延迟从 4.6 秒降至 0.76 秒

Yingtao Luo 等人提出的 AURA 框架被 EMNLP 2026 Findings 接收，用于解决推理条件化检索中推理越多反而引入语义噪声的问题。AURA-4B 在 BRIGHT 基准上取得 34.7 平均 nDCG@10，每查询仅 2.8 步推理、96 个生成 token。自适应停止把延迟从 4.6 秒降到 0.76 秒，MS MARCO 结果显示该特化不会明显损害常规检索。