重新思考 Agentic RAG：超越嵌入的 LLM 驱动逻辑检索

RAG 的最新进展已转向代理范式，其中 LLM 与检索系统进行多次交互，并根据中间结果迭代地细化查询。同时，LLM 展现了强大的构建结构化查询的能力，能够精确表达其信息需求。然而，当代 RAG 系统仍然高度关注工程复杂的检索后端，包括密集、混合和基于图形的检索架构。在本研究中，我们认为代理 RAG 应该将更大的控制权委托给 LLM 来引导检索过程，同时依赖于提供细粒度控制并忠实执行 LLM 的结构化意图的轻量级检索界面。在此原则的指导下，我们提出了一种代理 RAG 框架，使 LLM 能够使用逻辑表达式制定检索意图，同时将检索后端简化为基于倒排索引的系统。大量的实验表明，我们的框架符合强大的代理混合基线，同时大大降低了构建和服务成本。此外，我们表明，将检索过程锚定在逻辑查询中可以大大减少生成的响应中的幻觉。