GRADRAG：协调多代理 RAG 的跨组件提示适应

检索增强生成 (RAG) 系统越来越多地采用多个 LLM 代理。然而，大多数先前的工作都是单独优化组件，而不是协调整个管道的改进。我们引入了 GRADRAG，这是一个跨组件提示适应框架，它将 RAG 管道建模为计算图，并传播结构化评估反馈以更新上游代理。评估器批评下游答案和支持证据，生成可操作的反馈，提示优化器使用这些反馈来迭代更新自适应代理，例如 检索器、图形构造器和应答器。当输出被认为令人满意时，评估器还会触发提前停止。我们在两种检索范例下在 SQUALITY 和 QMSUM 基准上评估 GRADRAG：使用 IRCoT 式查询细化的基于平面块的检索（Trivedi 等人，2023），以及基于图的检索，从文档构建和迭代丰富实体关系图。在这两种设置中，GRADRAG 始终优于仅更新最终生成器的单步细化基线，在 LLM 判断的成对比较中实现了 12-15 个百分点的净偏好裕度，大部分收益在两次细化迭代中实现。