论文
智能体RAG管线的贝叶斯不确定性传播：多跳问答概念验证研究
Bayesian Uncertainty Propagation for Agentic RAG Pipelines: A Proof-of-Concept Study on Multi-Hop Question Answering
摘要
智能体检索增强生成（RAG）系统的可信部署需要估计多阶段推理管线何时可能失败的机制。本文提出不确定性感知的智能体RAG框架：规划者、评估者与生成器阶段产生从语义分歧与生成器自评导出的不确定性信号；这些信号经贝叶斯网络（BN）传播以估计系统级不确定性并提供工作流中潜在失败点的节点级指示。在StrategyQA与HotpotQA上以GPT-3.5-Turbo与GPT-4.1-Nano评估——以AUROC、AUARC、ECE与Brier分数评估判别、选择性预测与校准。结果显示贝叶斯传播在HotpotQA上更有效——不确定性跨多跳推理阶段累积；StrategyQA则暴露校准不准与上游信号不可靠的局限。
