Doctor-RAG：用于代理检索增强生成的故障感知修复框架

代理检索增强生成将多跳 QA 和复杂知识任务的检索和推理交织在一起。随着推理轨迹的延长，失败变得更加频繁，而现有的方法通常要么在诊断时停止，要么依赖于粗略的重新规划和重新运行式恢复，从而产生高昂的计算成本。我们提出了 DoctorRAG (DR-RAG)，这是一种诊断和修复框架，可通过显式错误定位和前缀重用来纠正故障。 DR-RAG 分两个阶段运行：（i）轨迹级故障诊断，其中蒸馏诊断模型联合评估证据充分性，对故障类型进行分类，并定位最早的故障点； (ii) 工具调节的局部修复，仅在诊断点进行干预，同时重用有条件的有效前缀和检索到的证据。通过将错误归因与校正分开，DR-RAG 避免了事后修复设置中的盲目重新运行，并能够对已知故障轨迹进行有针对性的、高效的校正。对跨多个代理 RAG 基线和主干模型的三个多跳 QA 基准进行的实验表明，答案准确性得到了显着提高。