研究者たちは、トップkランク付けのコストやLLMベースのセレクターの高コストという制限に対処するため、検索拡張型質問応答における証拠選択を二次制約なし二値最適化（QUBO）問題として定式化する。

この手法は、関連性、要件カバレッジ、支持強度、冗長性、補完性、コンパクトさをバランスさせるエネルギー関数を構築する。HotpotQAにおいて、BM25、最大マージナル関連性、および各種LLMベースのセットセレクターなどのベースラインと比較して評価される。QUBOセレクターは競争力のある正確なマッチとトークンF1パフォーマンスを実現しつつ、コンテキスト選択をIsing/QUBO互換ソルバーで処理可能にする。

このアプローチは、LLMが意味処理と回答生成に専念し、組み合わせ的証拠選択が専用ハードウェアにオフロードされるRAGパイプラインへの道を開く。