روش تازه‌ای برای کاهش هزینهٔ پاسخ‌گویی چندمرحله‌ای در RAG

چارچوب تازه‌ای با نام Grounded Delta Planning RAG یا GDP-RAG می‌کوشد یکی از دشواری‌های پرسش‌وپاسخ چندمرحله‌ای را برطرف کند: انجام جست‌وجوهای پی‌درپی و تولید مراحل استدلالیِ بیشتر از نیاز. در مقاله‌ای که نسخهٔ تازهٔ آن در ۲۹ سپتامبر ۲۰۲۶ در arXiv منتشر شده، پژوهشگران می‌گویند این روش با تمرکز بر اطلاعاتی که هنوز پیدا نشده‌اند، در سه مجموعه‌داده به دقت ۶۰٫۶۳ درصد رسیده و در عین حال هزینهٔ کمتری از چند سامانهٔ مقایسه‌شده داشته است.

بازیابی تقویت‌شده با تولید یا RAG روشی است که در آن مدل زبانی پیش از پاسخ‌دادن، اطلاعات مرتبط را از منابع بیرونی بازیابی می‌کند. در پرسش‌های چندمرحله‌ای، پاسخ نهایی ممکن است به کنار هم گذاشتن چند قطعه اطلاعات نیاز داشته باشد. طبق چکیدهٔ مقاله، روش‌های موجود گاهی خطاهای یک مرحله را به مراحل بعد منتقل می‌کنند یا بیش از اندازه برای استدلال و بازیابی گام برمی‌دارند؛ امری که می‌تواند هزینه را بالا ببرد، بی‌آن‌که دقت بهتر شود.

تمرکز بر اطلاعاتی که هنوز پیدا نشده است

ایدهٔ محوری GDP-RAG این است که هر مرحلهٔ تازهٔ بازیابی باید به یک نیاز اطلاعاتی حل‌نشده پاسخ دهد. به‌جای آن‌که سامانه بارها از ابتدا پرسش را بررسی کند یا مسیر استدلالی طولانی بسازد، ابتدا شواهد موجود را جمع می‌کند و سپس فقط سراغ بخش‌های مفقود می‌رود. مقاله این رویکرد را «برنامه‌ریزی دلتا» می‌نامد؛ دلتا در اینجا به تفاوت میان اطلاعات موجود و اطلاعات لازم برای تکمیل پاسخ اشاره دارد.

این چارچوب بر سه انتخاب طراحی تکیه دارد. نخست، پیش از اجرای برنامه، یک بازیابی مقدماتی انجام می‌شود تا برنامه‌ریزی بر پایهٔ شواهد واقعی شکل بگیرد. دوم، دستور برنامه‌ریزی به‌گونه‌ای تنظیم می‌شود که مدل فقط اطلاعاتِ غایب را درخواست کند. سوم، سامانه یک مسیر استدلالی فشرده می‌سازد که در آن هر پرس‌وجوی فرعی با یک «Thought» همراه است؛ یادداشتی که شواهد به‌دست‌آمده از بازیابی اولیه را ثبت می‌کند و آن‌ها را تا مرحلهٔ پاسخ نهایی همراه می‌برد.

نتایج گزارش‌شده در سه بنچمارک

بر اساس چکیده، GDP-RAG روی HotpotQA، 2WikiMultiHopQA و MuSiQue ارزیابی شده است؛ مجموعه‌داده‌هایی که برای سنجش پرسش‌وپاسخ چندمرحله‌ای به کار می‌روند. نویسندگان دقت ۶۰٫۶۳ درصد را برای این چارچوب گزارش کرده‌اند و می‌گویند این بالاترین دقت در میان سامانه‌های مقایسه‌شده در آزمایش‌های مقاله بوده است.

در کنار دقت، مقاله شاخصی با عنوان «هزینهٔ هر گذر» یا cost-of-pass را نیز گزارش می‌کند. مقدار این شاخص برای GDP-RAG برابر ۰٫۵۱ است. طبق مقایسهٔ ارائه‌شده در چکیده، این مقدار ۲۲ درصد کمتر از PAR-RAG با هزینهٔ ۰٫۶۵ و ۶۸ درصد کمتر از KnowTrace با هزینهٔ ۱٫۵۷ است. چکیده جزئیات بیشتری دربارهٔ تعریف یا واحد این شاخص ارائه نمی‌کند؛ بنابراین ارقام را باید در چارچوب معیار گزارش‌شده در همان مقاله در نظر گرفت.

نویسندگان همچنین ادعا می‌کنند که هیچ‌یک از روش‌های مقایسه‌شده هم‌زمان به دقت بالاتر و هزینهٔ پایین‌تر از GDP-RAG نرسیده‌اند. این نتیجه به معنای برتری قطعی روش در همهٔ کاربردها نیست؛ دامنهٔ آن به بنچمارک‌ها و سامانه‌هایی محدود است که در ارزیابی مقاله بررسی شده‌اند.

اهمیت طراحی مبتنی بر شواهد

ویژگی متمایز GDP-RAG صرفاً افزودن مرحله‌ای دیگر به زنجیرهٔ بازیابی نیست؛ بلکه تلاش می‌کند نقش هر جست‌وجو را به یک شکاف مشخص در اطلاعات پیوند دهد. بازیابی مقدماتی، برنامه‌ریزی را از شواهد آغاز می‌کند و یادداشت‌های همراه پرس‌وجوها کمک می‌کنند اطلاعات به‌دست‌آمده در مسیر پاسخ‌گویی حفظ شود. هدف، محدودکردن محاسبات به بخش‌هایی است که هنوز پاسخ روشنی ندارند.

این رویکرد می‌تواند برای سامانه‌هایی که باید چند منبع یا چند واقعیت را برای پاسخ‌دادن ترکیب کنند، مهم باشد؛ به‌ویژه اگر کاهش جست‌وجوهای غیرضروری بدون افت دقت ممکن شود. بااین‌حال، اطلاعات موجود در چکیده برای ارزیابی جزئیات اجرایی، محدودیت‌های روش یا عملکرد آن در کاربردهای بیرون از سه مجموعه‌داده کافی نیست. برای سنجش گسترده‌تر، نتایج کامل مقاله و ارزیابی آن در سناریوهای دیگر اهمیت خواهد داشت.

این خبر برای چه کسانی اهمیت دارد

این پژوهش برای توسعه‌دهندگان سامانه‌های RAG، پژوهشگران مدل‌های زبانی و تیم‌هایی که به پرسش‌وپاسخ چندمرحله‌ای نیاز دارند، قابل توجه است. پیام اصلی آن این است که افزایش تعداد مراحل بازیابی لزوماً به پاسخ بهتر نمی‌انجامد؛ گاهی طراحی فرایند برای شناسایی دقیق اطلاعاتِ مفقود می‌تواند هم‌زمان به دقت بالاتر و هزینهٔ کمتر منجر شود. نتایج گزارش‌شده امیدوارکننده‌اند، اما داوری دربارهٔ کاربردپذیری گستردهٔ GDP-RAG به بررسی جزئیات مقاله و آزمون‌های بیشتر نیاز دارد.