Resumen: Las necesidades de información compleja en los escenarios de búsqueda del mundo real exigen un razonamiento profundo y la síntesis de conocimiento en diversas fuentes, que las tuberías de generación de recuperación tradicional (RAG) tienen dificultades para abordar de manera efectiva. Los enfoques actuales basados en el razonamiento sufren de una limitación fundamental: utilizan un modelo único para manejar la planificación de alto nivel y la ejecución detallada, lo que lleva a un razonamiento ineficiente y una escalabilidad limitada. En este artículo, presentamos a HIRA, un marco jerárquico que separa la planificación estratégica de la ejecución especializada. Nuestro enfoque descompone tareas de búsqueda complejas en subtareas enfocadas, asigna cada subtarea a agentes específicos de dominio equipados con herramientas externas y capacidades de razonamiento, y coordina los resultados a través de un mecanismo de integración estructurado. Esta separación evita que los detalles de la ejecución interrumpan el razonamiento de alto nivel al tiempo que permite que el sistema aproveche la experiencia especializada para diferentes tipos de procesamiento de información. Los experimentos en cuatro puntos de referencia de búsqueda profundos intermedios complejos demuestran que HIRA supera significativamente a los sistemas de trapo y agentes de última generación. Nuestros resultados muestran mejoras tanto en la calidad de la respuesta como en la eficiencia del sistema, destacando la efectividad de la planificación y la ejecución desacopladas para tareas de búsqueda de información de varios pasos. Nuestro código está disponible en esta URL HTTPS.
Publicado Originalme en export.arxiv.org El 3 de julio de 2025.
Ver Fuente Original
