Agentic RAGは価値がありますか? RAGシステムは、単純なリトリーバー・ジェネレーターのパイプラインから高度なワークフローへと進化してきました。拡張型RAG(専用モジュールを持つ固定パイプライン)とエージェント型RAG(LLMが全プロセスを動的にオーケストレーションする)をいつ使用すべきかは依然として不明です。 この研究は最初の実証的比較を提供します。 強化RAGは特定の弱点に対応するためにあらかじめ定義されたコンポーネントを追加します。検索が必要かどうかを判断するルーター、アラインメントを改善するクエリリライター、文書選択の洗練を目的としたリランカーなどです。ワークフローは固定され、手動で設計されています。 エージェント型RAGは異なるアプローチを取っています。LLMはどのアクションをいつ実行するか、反復するかどうかを決定します。基本的な知識ベース、リトリーバー、ジェネレーター以外の追加コンポーネントはありません。モデルがすべてをコントロールしています。 研究者たちはQAおよび情報検索タスクにおいて、4つの次元にわたる両パラダイムを評価しました。 ユーザー意図の扱い:AgenticはほとんどのタスクでEnhancedをわずかに上回りますが、EnhancedはFEVER(+28.8 F1ポイント)で圧倒的に優れており、エージェントは不要に回収しがちです。 クエリ書き換え:エージェントRAGは平均55.6の平均NDCG@10を達成し、強化版の52.8を上回っており、エージェントが有益な場合に適応的にクエリを書き換えられることを示しています。 文書の精緻化:再ランク付け付きの強化RAG(49.5 NDCG@10)はAgentic(43.9)を上回る。専用のリランカーモジュールは反復的な検索を上回りました。 エージェントRAGはモデルの能力にはるかに敏感です。弱いモデルでは、強化RAGは安定性を維持しますが、エージェント性能は著しく低下します。 コスト分析によると、エージェントRAGは多段階の推論により2倍から10倍の計算時間とトークンを必要とします。 エンハンスドRAGとエージェントティックRAGの選択は、あなたの制約によります。強化RAGは、弱いモデルに対して予測可能性、低コスト、安定性を提供します。エージェントRAGは柔軟性を提供しますが、より強力なモデルとより多くの計算能力を必要とします。 論文: 当アカデミーで効果的なエージェント型RAGシステムの構築方法を学びましょう: