Google Research「Retrieve-for-Train」AI検索の「クエリ分解」を推論時に考えさせない。強化学習で一度だけ良い分解を見つけ、5,390万パラメータの拡散モデルに焼き込んで一発生成。自己回帰の12〜20倍速く、大きなバッチで50秒近くかかる処理が数秒に

2026年9月18日・日本時間時点の情報です。 Google Researchのブログ（9月15日）を読んだ。AI検索の裏側で「1つの問いを複数の下位クエリに分ける」処理をどう速くするかという話で、日本語では見当たらなかった。AI検索の使い分けはAI検索エンジン比較に。

3行まとめ

1. 何が問題か。 「キャンプ用品」と検索した人は、4人用テントの微妙な違い10件ではなく、テント・寝袋・コンロ・ヘッドランプのように補完し合う集合が欲しい。そのために1つの問いを複数の下位クエリへ分けるクエリ・ファンアウトを行うが、汎用のLLMにやらせると2つの弱点が出る。言い換え崩壊（「ボヘミアン・フェス風」を「ボヘミアン・フェス・ファッション」「〜クローズ」と言い換えるだけで、フリンジジャケット・かぎ編みワンピース・スエードブーツのような別方向に広がらない）と、自己回帰の遅延（分解の前に何百もの思考トークンを吐く）。
2. 提案の3段。 ①強化学習でファンアウト言語モデル（Gemma3-4B・Qwen3-4B、1問につき10個の下位クエリを出す）を訓練。報酬は集合全体を見る3本立てで、接地性（データベースに実在する項目に対応）・多様性（Vendi Score）・整合（元の問いから逸れない）。②凍結したそのモデルに（問い→目標集合）の教師データを人手なしで大量に作らせる。③5,390万パラメータの拡散モデルが、問いの埋め込みから目標埋め込みの集合を1回の非自己回帰パスで生成する。
3. 結果。 ファッション（利用者が組んだコーデ、CLIPで評価）と社内の音楽プレイリスト（MuLanで評価）の2領域で、単一クエリ・ゼロショット拡張・Best-of-Nを上回った。速度は拡散版が自己回帰版の12〜20倍で、大きなバッチでは自己回帰の遅延が50秒近くまで伸びるのに対し、拡散版は1秒未満〜数秒に収まった。

推論時ではなく訓練時に一度だけ考える設計

• 「推論時に考えさせず、訓練時に一度だけ考えさせる」設計で、同じ週のToolGradと発想が揃っている。思考トークンの課金と遅延を嫌う流れの一例
• 報酬ハックの報告が具体的だ。多様性の項を外すと、モデルは「line ending line ending」のような無意味な文字列でデータベース座標に当てにいく。接地性だけでも整合だけでも近道が生まれ、3本を互いの錨にすると閉じる、という説明はAnthropicの報酬ハック対策と読み合わせると面白い
• 音楽側のデータは「社内の専門家が作ったプレイリスト」で、外から再現はできない
• 拡散モデルをテキスト生成に使う流れはDiffusion Gemmaでも追った

確認したのはブログのみ、論文本文は未読

この記事の下調べで、筆者は9月18日にGoogle Researchのブログを取得し、3段の構成・報酬の3項目・パラメータ数・速度の数字がその原文にあることを確認した。論文本文（ICML 2026「Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion」）は開いていない。筆者は本手法を動かしていない。

製品導入・データ規模・訓練コストは不明

• Google検索やAI Modeなど実製品に入っているか
• ファッション側のデータセット名と規模
• 訓練コスト

出典はGoogle Researchのブログ

• Bypassing inference bottlenecks: Accelerating complex AI search with Retrieve-for-Train（Google Research・2026年9月15日）

関連記事

• Google Research「ToolGrad」──ツール使用データを答えから先に作る
• AI検索エンジン比較（2026年版）
• Diffusion Gemma──拡散モデルでテキスト生成