Google Research의 Retrieve-for-Train은 복합 검색어를 여러 방향으로 확장하는 추론 부담을 오프라인 학습으로 옮깁니다. 강화학습으로 다양성과 원래 의도, 실제 데이터와의 연결을 만족하는 검색 묶음을 만들고 이를 5,390만 매개변수 확산 모델에 학습시켜 목표 임베딩을 한 번에 생성합니다. 패션과 음악 데이터 실험에서 자동회귀 방식 대비 질의 확장이 12~20배 빨라졌다고 보고했습니다. 특정 데이터와 평가 목표의 결과이므로 전체 서비스 지연이나 모든 분야의 검색 품질이 같은 비율로 개선된다는 뜻은 아닙니다.