Merită Agentic RAG? Sistemele RAG au evoluat de la simple conducte retriever-generator la fluxuri de lucru sofisticate. Rămâne neclar când să se folosească Enhanced RAG (pipeline-uri fixe cu module dedicate) versus Agentic RAG (LLM orchestrează întregul proces dinamic). Această cercetare oferă prima comparație empirică. Enhanced RAG adaugă componente predefinite pentru a remedia slăbiciuni specifice: routere pentru a determina dacă este nevoie de recuperare, rewritere de interogări pentru a îmbunătăți alinierea și rerankere pentru a rafina selecția documentelor. Fluxul de lucru este fix și proiectat manual. Agentic RAG abordează diferit. LLM-ul decide ce acțiuni să efectueze, când să le execute și dacă să itereze. Fără componente suplimentare în afară de baza de cunoștințe de bază, retriever și generator. Modelul controlează totul. Cercetătorii au evaluat ambele paradigme în patru dimensiuni privind sarcinile de QA și recuperare a informațiilor. Gestionarea intenției utilizatorului: Agentic depășește ușor Enhanced la majoritatea sarcinilor, dar Enhanced câștigă decisiv la FEVER (+28,8 puncte F1), unde agentul recuperează adesea inutil. Rescrierea interogărilor: Agentic RAG obține o medie de 55,6 NDCG@10 comparativ cu 52,8 pentru Enhanced, arătând că agentul poate rescrie adaptiv interogările atunci când este benefic. Rafinarea documentelor: RAG îmbunătățit cu reclasificare (49,5 NDCG@10) depășește Agentic (43,9). Modulele dedicate de reclasificare depășesc încercările de recuperare iterativă. Agentic RAG este mult mai sensibil la capacitatea modelului. La modelele mai slabe, RAG îmbunătățit menține stabilitatea, în timp ce performanța agentului scade semnificativ. Analiza costurilor arată că Agentic RAG necesită de 2-10 ori mai mult timp de calcul și token-uri datorită raționamentului în mai mulți pași. Alegerea între RAG Îmbunătățit și Agentic depinde de constrângerile tale. RAG îmbunătățit oferă predictibilitate, costuri mai mici și stabilitate în cazul modelelor mai slabe. Agentic RAG oferă flexibilitate, dar necesită modele mai puternice și mai multă capacitate de calcul. Hârtie: Învață să construiești sisteme eficiente Agentic RAG în academia noastră: