RetrievalRouter: 文書検索のためのモダリティとアーキテクチャの同時選択

要旨

ドキュメント検索は、金融・医療・法律における高リスクな情報アクセスを支える存在としてますます重要になっている。現代の検索パイプラインは、モダリティ（テキストまたはマルチモーダル）と検索アーキテクチャ（デンスまたはレイトインタラクション）の両方において多様である。これらの選択は深刻なトレードオフを強いる。最も効果的なパイプラインは大規模運用には遅すぎ、コストが高すぎる一方、最速のものは複雑な文書から証拠を検索できない。したがって実務者は、証拠の見逃しと実用に耐えないレイテンシのどちらかを選ばざるを得ず、クエリ単位でその選択を調整するための原則的な基準は存在しない。本稿では、このトレードオフが不要であることを示す。すべてのクエリが同じパイプラインを必要とするわけではない。金融および科学コーパスにわたるベンチマークにおいて、静的なパイプラインが支配的であることはない。我々は、クエリテキストのみから各クエリに最適な検索パイプラインを学習する軽量なクエリ認識型ルーター、RetrievalRouter を提案する。単一の調整可能パラメータによって精度とレイテンシの完全なフロンティアを実現でき、すべての静的ベースラインに対して、RetrievalRouter は同時により高精度かつ高速な動作点を提供する。最良の静的ベースラインと比較して、RetrievalRouter は精度が2.5%向上し、速度は12.4倍速い。さらに、従来の適応的戦略選択手法と比較して、RetrievalRouter は精度重視設定では nDCG@5 が有意に高く、レイテンシ重視設定では nDCG@5 とレイテンシの両方において同等以上（数値的に上回る）の性能を達成する。我々のコードとデータは https://github.com/emrekuruu/retrieval-router で公開している。

English

Document retrieval increasingly supports high-stakes information access in finance, healthcare, and law. Modern retrieval pipelines vary both in modality (text or multimodal) and in retrieval architecture (dense or late-interaction). These choices impose a hard compromise: the most effective pipelines are too slow and expensive to run at scale, while the fastest fail to retrieve evidence from complex documents. Practitioners must therefore choose between missed evidence and unusable latency, with no principled basis for adapting that choice at the query level. We show that this compromise is unnecessary. Not every query requires the same pipeline. Across benchmarks spanning financial and scientific corpora, no static pipeline dominates. We introduce RetrievalRouter, a lightweight query-aware router that learns, from the query text alone, which retrieval pipeline best fits each query. A single tunable parameter exposes the full accuracy-latency frontier, and for every static baseline, RetrievalRouter offers an operating point that is simultaneously more accurate and faster. Against the best static baseline, RetrievalRouter is 2.5% more accurate and 12.4 times faster. Furthermore, compared with prior adaptive strategy selection methods, RetrievalRouter achieves significantly higher nDCG@5 across accuracy-oriented settings, while matching or numerically outperforming them on both nDCG@5 and latency in latency-oriented settings. Our code and data are available at https://github.com/emrekuruu/retrieval-router.