TechRAG：用于技术文献推理的证据门控多模式代理 RAG

本文提出了一种用于特定领域文献推理的代理多模态检索增强生成（RAG）框架，该框架在智能轮胎、车辆动力学、车辆控制、传感、估计和机器学习领域的数千篇论文的精选语料库上进行了实例化。与传统的单通道 RAG 系统不同，所提出的架构使用自主的、证据门控的管道，对查询意图进行分类，生成单独的文本和视觉查询重写，使用 FAISS 和 BM25 执行混合文本检索，然后进行跨编码器重新排名，通过 Neo4j 知识图上的图引导块遍历来扩展证据，并使用带有 MUVERA 固定维度编码的 ColSmol 后期交互嵌入来检索视觉文档证据，近似最近邻搜索，和 MaxSim 重新排名。该框架使用基于混合规则/LLM 审查的 100 分评分标准对证据充分性进行评分，通过漂移保护重新表述重试检索，通过优化-搜索-审查循环搜索外部学术数据库，合并和删除重复多模式证据，验证引文完整性，并通过具有自我修正修订功能的规划者、研究员、作家和评审Agent生成引用的答案。主要贡献包括：(i) 一个可扩展的多模式检索架构，结合了超过 40,000 个文档页的文本、图形和视觉证据； (ii) 可解释的证据充分性和重试机制； (iii) 具有证据映射和评论家驱动的修订的多智能体生成管道； (iv) 具有基于 LLM 的实体提取、OpenAlex 作者验证和语料库内引用解析的领域知识图； (v) 用于有针对性的文献扩展的依赖于路径的外部搜索架构。其结果是一个实用的、证据门控的、多模式代理 RAG 架构，用于对专业研究语料库进行技术推理。