IBM 推出 RIT-RAG:用检索结果反推文档子树,agent 自主选读章节
_reachsumit · x · 2026-10-09
IBM 的 arXiv 论文提出 RIT-RAG,结合内容检索与结构化导航的 RAG 方法:
- 离线:从每篇文档的目录或 sitemap 构建树结构。
- 查询时:先召回一批 chunk,用它们的位置诱导出可控规模的子树(可跨多文档);LLM agent 在子树中导航、选择性阅读有希望的节点,并在需要时改写查询——检索负责提出去哪找,agent 决定读什么。
动机:agentic RAG 只见孤立 chunk 难辨真伪证据,PageIndex 类结构方法又无法扩展到大语料且选错文档后无法回退。
在金融、科学、客服三类基准上答案准确率超过 vanilla、图结构和 agentic 基线;并发布含 284 万技术文档网页的新基准 EntQABench,准确率提升 6.8 至 11.4 个百分点。
「编程与Agent」频道最新
- 给 AI 智能体一个空 3D 世界:它们自建村庄甚至撰写宪法 — pkmital · 2026-10-09
- 头部 agent 团队也在抄 codex:上下文管理才是 agent 第一难题 — aigclink · 2026-10-09
- 博主用多智能体协作搭出 24 小时 AI 新闻电视台，即将开源 — vista8 · 2026-10-09
- Agent Arena 榜单：Claude Opus 5.5 居首，GPT 6 Astra 紧随其后 — arena · 2026-10-09
- anti-slop 规则集爆火：给 AI 编码代理过滤「AI 味」输出 — tom_doerr · 2026-10-09
- 会承认「我不知道」的生产级 RAG:Postgres+pgvector+Gemini 全栈教程 — Winter_Mistake_3185 · 2026-10-09