Resumen: La generación de recuperación aumentada (RAG) es un enfoque prevalente para LLM específicos de dominio, sin embargo, a menudo está plagado de “alucinaciones de recuperación”, un fenómeno donde los modelos ajustados no reconocen y actúan sobre documentos recuperados de baja calidad, así que socava el rendimiento. Para abordar esto, proponemos el marco de Rag (AC-RAG) de colaboración adversar. AC-RAG emplea dos agentes heterogéneos: un detector generalista que identifica las brechas de conocimiento y un resolución de dominio que proporciona soluciones precisas. Guiado por un moderador, estos agentes se involucran en una colaboración adversaria, donde la persistente cuestionamiento del detector desafía la experiencia del resolutor. Este proceso dinámico permite la disección iterativa del problema y la recuperación de conocimiento refinado. Extensos experimentos muestran que AC-RAG mejora significativamente la precisión de la recuperación y supera a los métodos de trapo de última generación en varios dominios verticales.
Publicado Originalme en export.arxiv.org El 18 de septiembre de 2025.
Ver Fuente Original
