在资源受限的环境中，小型语言模型（SLM）因其低计算需求而成为检索增强生成（RAG）的理想选择。然而，这些模型容量有限，对检索到的噪声或虚假证据高度敏感。现有的基于偏好的方法，如RoseRAG，仅通过硬argmin/argmax选择最难的单个偏好对，丢弃了其余信号；另一些方法则将多个偏好对视为独立的二分类，导致数据利用率低下。
为此，研究团队提出了RIMS，一种三阶段偏好优化框架。第一阶段通过拒绝采样生成合成思维链偏好数据，仅使用目标SLM本身，无需依赖专有模型。第二阶段引入可微的软聚合机制，用平滑算子取代硬选择，在保留间隔感知选择的判别结构的同时，从所有偏好对中保留梯度信号。第三阶段将平滑目标应用于多种对齐算法进行偏好优化。
理论上，作者证明了平滑近似具有可控的误差界，且平滑聚合比硬选择能提供更紧的梯度对齐。在四个多跳问答基准上的实验表明，RIMS在多个SLM骨干上均优于最先进的基线，在噪声检索条件下在Exact Match和F1上取得了一致的提升。代码已开源。
这项工作的核心贡献在于提出了一种数据高效的偏好优化方法，使得小型模型在复杂检索场景中能够更好地利用检索结果，同时避免了昂贵的专有模型依赖。该框架的平滑聚合机制是一个重要创新，它通过保留所有偏好对的信息，显著提升了训练的稳定性和最终性能。团队还提供了理论证明和开源实现，为后续研究奠定了坚实基础。