StateRAG：用于复杂检索增强生成的类型化状态合约

复杂的检索增强生成需要证据检索并控制下一步检索什么、探索哪些路径、证据是否充足以及保留哪些中间结果。现有的 RAG 范例通过特定于方法的模型上下文、遍历过程、验证信号和内存对这些决策进行编码。我们引入了 StateRAG，它将检索控制表示为最终读者外部的类型化状态。状态记录查询计划、类型化遍历路径、候选证据、验证结论和可重用工件，以及定义的字段语义和指定的更新源。有序角色操作员提出字段值，控制器验证并提交接受的建议。一次性紧凑证据检查可以选择绕过。否则，控制器将提交的判决与剩余预算结合起来以选择发布、修订或回退。最终读取器仅在终端操作之后调用，并且每个查询最多调用一次。在评估的方法中，StateRAG 在 LongBench、QASPER 和 DocVQA 报告的 11 项质量指标中的 10 项中取得了最佳分数。其 LongBench 宏观平均 EM 和 F1 超过 ReAct 6.3 和 6.1 个百分点，其最大任务级增益为 MuSiQue 上的 9.8 F1 点。在标准化模型大小权重下，StateRAG 在所有五个工作负载中记录的每个查询的平均 LLM 词元使用量均低于 ReAct。在匹配的 LongBench 控制中，类型化、角色拥有的载体在宏观 EM、F1 和准确性方面比自由形式共享载体高出 1.3、2.2 和 3.0 个百分点，平均 RET 低 6.2%。删除 TAM、MARS 或 SMP 会降低每个报告的 LongBench 和 QASPER 消融指标。