نُقدِّم طريقة الاسترجاع المُعزَّز بالتكاثر (GAR) للإجابة على الأسئلة في المجال المفتوح، والتي تُحسِّن الاستعلام من خلال توليد نصوص لمحتويات ذات صلة تم اكتشافها بشكل خوارزمي، دون الحاجة إلى مصادر خارجية كمُراقبة. نُظهِر أن المحتويات المُولَّدة تُضِيف بشكل كبير إلى المعاني الواردة في الاستعلامات، وأن نموذج GAR الذي يستخدم تمثيلات نادرة (BM25) يحقق أداءً مُقارِنًا أو أفضل من أساليب الاسترجاع الكثيفة المتطورة حديثًا مثل DPR. كما نُبيِّن أن توليد محتويات متنوعة للسؤال يُعد مفيدًا، إذ يؤدي دمج نتائج هذه المحتويات بشكل متسق إلى دقة استرجاع أعلى. علاوةً على ذلك، وبما أن التمثيلات النادرة والكثيفة غالبًا ما تكون مكملة لبعضها، يمكن دمج GAR بسهولة مع DPR لتحقيق أداءً أفضل. تُحقِّق GAR أداءً متقدّمًا على مستوى المجال في مجموعتي بيانات Natural Questions وTriviaQA ضمن إعداد الاستجابة باسترجاع الاستنتاج (extractive QA) عند استخدام قارئ استنتاجي، كما تتفوّق باستمرار على أساليب الاسترجاع الأخرى عند استخدام نفس القارئ التوليدي.