MASS-RAG：多智能体综合检索增强生成

大语言模型 (LLM) 广泛用于检索增强生成 (RAG)，以在推理时合并外部知识。然而，当检索到的上下文有噪音、不完整或异构时，单个生成过程通常难以有效地协调证据。我们提出 \textbf{MASS-RAG}，一种用于检索增强生成的多智能体合成方法，将证据处理构建为多个角色专用智能体。 MASS-RAG 应用不同的代理进行证据总结、证据提取和对检索到的文档进行推理，并通过专用的合成阶段组合它们的输出以产生最终答案。这种设计公开了多个中间证据视图，允许模型在生成答案之前比较和集成补充信息。对四个基准的实验表明，与强 RAG 基线相比，MASS-RAG 持续提高了性能，特别是在相关证据分布在检索到的上下文中的情况下。