본 논문은 Differentiable Search Index (DSI)의 계산 비효율성 문제를 해결하기 위해, 기존 문서나 질의에 접근하지 않고도 새로운 문서를 효율적으로 색인하는 prompt 기반의 rehearsal-free continual learning 접근 방식인 PromptDSI를 제안합니다. PromptDSI는 Prompt-based Continual Learning (PCL) 프레임워크를 따르며, 학습 가능한 프롬프트를 사용하여 새로운 문서를 색인합니다. 기존 PCL의 초기 순전파 과정을 제거하여 추론 속도를 개선하였으며, 신경망 토픽 임베딩을 고정 키로 사용하는 topic-aware prompt pool을 도입하여 프롬프트 키 최적화의 불안정성을 해결했습니다. 실험 결과, PromptDSI는 rehearsal 기반 baseline을 능가하고, cache 기반 baseline과 유사한 수준의 forgetting 완화 성능을 보이며, 새로운 코퍼스에 대한 검색 성능을 크게 향상시켰습니다.
