RECAST框架通过自适应计算路由提升RAG证据推导能力

针对传统RAG仅靠相似度检索、无法跨源聚合计算证据的局限，RECAST框架将证据构建建模为异构检索与计算的序贯决策过程。其轻量级RouterLM迭代选择并规划基础或定制操作，交由冻结的CompilerLM生成可执行代码，证据充足后交冻结AnswerLM输出答案。RouterLM经SFT与GRPO训练。在六个异构基准族上，该框架平均成功率75.6%，较大模型基线高15.9%；训练后的Qwen3.5-9B RouterLM比免训练Gemini 3.5 Flash高5.0%。在三个保留基准上平均超最强基线15.0%，展现强零样本泛化力。