Decomposição de perguntas: o que Self-Ask, reescrita de consulta e a patente do Google mostram
A ideia de dividir uma pergunta antes de buscar é anterior ao nome Query Fan-Out. Veja três fontes primárias, o que cada uma afirma e o que não afirma.
Neste texto
Por que ler as fontes primárias?
Quando um conceito vira termo de mercado, as explicações ficam parecidas e circulam sem origem. "Query Fan-Out" é um caso: o nome é de 2025, mas a lógica por trás vem de pesquisa anterior. Ler as fontes primárias ajuda a saber o que é evidência, o que é analogia e o que é suposição. Este artigo resume três delas, com os limites de cada uma.
Self-Ask: a lacuna de composicionalidade (2022)
O artigo "Measuring and Narrowing the Compositionality Gap in Language Models", de Ofir Press, Muru Zhang, Sewon Min, Ludwig Schmidt, Noah A. Smith e Mike Lewis, foi submetido em 7 de outubro de 2022 e aceito nos Findings do EMNLP 2023.
O que afirma: modelos de linguagem maiores melhoram mais rápido em lembrar fatos isolados do que em combiná-los para responder perguntas que exigem vários saltos. Os autores chamam a diferença de lacuna de composicionalidade e relatam que ela não diminui, no resumo do artigo, com o aumento do modelo. Técnicas que levam o modelo a raciocinar em etapas, como a cadeia de pensamento, a reduzem. O método Self-Ask vai além: o modelo formula e responde, explicitamente, perguntas de acompanhamento antes de responder à original. Esse formato permite ainda que um mecanismo de busca responda às perguntas de acompanhamento, o que melhora a acurácia.
O que significa para o fan-out: é a base conceitual. Uma pergunta composta é mais bem respondida quando decomposta em perguntas menores, cada uma respondida por busca.
O que não afirma: o artigo não trata do Google nem de qualquer produto de busca atual. Os experimentos são com modelos da família GPT-3 e conjuntos de perguntas de pesquisa.
Rewrite-Retrieve-Read: reescrever a consulta (2023)
O artigo "Query Rewriting for Retrieval-Augmented Large Language Models", de Xinbei Ma, Yeyun Gong, Pengcheng He, Hai Zhao e Nan Duan, foi submetido em 23 de maio de 2023 e publicado no EMNLP 2023.
O que afirma: no esquema comum de recuperar e ler, a consulta do usuário vai direto ao recuperador. Os autores argumentam que há uma lacuna entre o texto de entrada e o conhecimento necessário para recuperar. Em vez de adaptar o recuperador ou o leitor, propõem uma etapa extra que reescreve a consulta, e treinam um reescritor pequeno por aprendizado por reforço, guiado pelo retorno de um modelo de linguagem fixo que atua como leitor. Eles reportam ganhos consistentes em tarefas de perguntas e respostas de domínio aberto e de múltipla escolha.
O que significa para o fan-out: a consulta original nem sempre é a melhor chave de busca. Reescrevê-la, ou gerar várias, é uma forma de recuperar melhor. O fan-out pode ser visto como uma extensão dessa lógica para várias consultas em paralelo.
O que não afirma: o trabalho trata de reescrever uma consulta, não de gerar várias para compor uma resposta. E, como o anterior, não descreve um produto comercial.
A patente "Search with stateful chat" (2024)
A publicação US20240289407A1, depositada pela Google LLC em 27 de fevereiro de 2024, com data de prioridade de 28 de fevereiro de 2023 e publicada em 29 de agosto de 2024, descreve um método de busca em conversa. O texto menciona receber uma consulta, obter informação de contexto, gerar uma saída de um modelo de linguagem e, a partir dela, gerar consultas sintéticas. Documentos são selecionados por serem responsivos tanto à consulta original quanto às sintéticas. A saída do modelo pode incluir sugestões alternativas de consulta, consultas suplementares, versões reescritas e consultas de aprofundamento ("drill down").
O que significa para o fan-out: mostra que o conceito de gerar consultas a partir de uma consulta, usando um modelo de linguagem, foi objeto de pedido de patente do Google com prioridade anterior ao nome de 2025.
O que não afirma: patente descreve uma invenção reivindicada, não um produto em operação. Segundo a página consultada, o status é pendente. Não prova que o Google usa exatamente esse método, nem diz como ele se comporta em produção. O próprio Google descreve o fan-out em sua documentação, e é ela que vale como fonte do comportamento atual.
O que as três fontes têm em comum
| Fonte | Tipo | Ideia | Limite |
|---|---|---|---|
| Self-Ask (2022) | artigo acadêmico | decompor a pergunta e responder por etapas, com busca | modelos e tarefas de pesquisa, sem produto |
| Rewrite-Retrieve-Read (2023) | artigo acadêmico | reescrever a consulta antes de recuperar | uma consulta reescrita, não várias |
| US20240289407A1 (2024) | pedido de patente | consultas sintéticas geradas por um modelo | não prova uso em produção |
A convergência é útil, e não prova nada sobre o que o Google faz hoje. Para isso valem a documentação de recursos de IA e o guia de otimização do Google, resumidos em como funciona.
Como usar esse conhecimento
- 01Cite a fonte correta para cada afirmação: acadêmica para a ideia, documentação do Google para o comportamento do produto.
- 02Escreva "a ideia aparece em pesquisa desde 2022", em vez de "o Google inventou o fan-out".
- 03Evite dizer que a patente "comprova" o funcionamento da Busca.
- 04Use a analogia para planejar conteúdo (cobrir os aspectos da pergunta), sabendo que é analogia.
- 05Rotule como simulação qualquer lista de subconsultas que você produzir.
Veja também como a recuperação entra no desenho, em RAG para quem cria conteúdo, e o uso em escala maior, em pesquisa aprofundada e agentes.
O Query Fan-Out foi inventado pelo Google?
O nome foi popularizado pelo Google em 2025, ao descrever o AI Mode. A ideia de decompor perguntas antes de buscar aparece em pesquisa acadêmica desde 2022. O Google não afirma ter inventado a técnica, e este artigo não faz essa atribuição.
A patente prova que o Google usa consultas sintéticas?
Não. Uma patente descreve uma invenção reivindicada. Ela mostra que o conceito foi tratado pela empresa, mas não confirma uso em produção. A confirmação de uso vem da documentação do Google sobre o AI Mode e os AI Overviews.
Os artigos acadêmicos valem para a Busca do Google?
São evidência sobre a ideia, em modelos e tarefas de pesquisa. Não descrevem a Busca. Servem para entender por que a decomposição ajuda, e não para afirmar como o Google a implementa.
Preciso ler os artigos originais?
Não para aplicar o método. Mas quem for citar a origem do conceito deve consultar as fontes primárias, que estão listadas abaixo com data e endereço.
Fontes
- Measuring and Narrowing the Compositionality Gap in Language Models, arXiv (Press et al.) (2022-10-07)
- Query Rewriting for Retrieval-Augmented Large Language Models, arXiv (Ma et al.) (2023-05-23)
- Search with stateful chat (US20240289407A1), Google Patents (2024-08-29)
- AI features and your website, Google Search Central (2025-12-10)
Cubra as subconsultas
Liste as buscas que a IA faz por trás da pergunta e responda cada uma em um bloco próprio.