この研究では、生成的情報検索（Generative Retrieval, GR）を新たに定義する「QUESTER」モデルを提案しています。GRは、従来のインデックス検索と異なり、モデルのパラメータに関連性を保存し、直接的に文書識別子を生成しますが、一般化が難しく、スケーラビリティが低いという課題があります。QUESTERは、キーワードクエリを受け取り、少量の大規模言語モデル（LLM）を用いてクエリ仕様を生成します。このポリシーは強化学習手法（GRPO）で訓練されます。実験の結果、このモデルはBM25よりも高い有効性を持ち、ニューラル情報検索モデルに匹敵する性能を示しつつ、効率性も維持しています。