RELER：在嵌入空间用强化学习训练检索模型，直接优化检索指标

RELER 用强化学习在嵌入空间训练检索模型，直接优化检索指标并对齐任务奖励。它以 vMF 分布采样嵌入作为动作、用 RLOO 更新编码器，并用条件均值投影（CMP）降低策略梯度噪声。在 BRIGHT 上后训练 BGE-M3 与 Qwen3-Embedding，nDCG@10 超过 InfoNCE 与 LambdaLoss，RAG 下游任务亦验证实用性。