arXiv · cs.CL· Lasse B. Strand·· 21 天前AI 评分51
Agentic AutoRAG：用推理驱动的智能体优化 RAG 管线超参数
Agentic AutoRAG: RAG Pipeline Optimization through Reasoning-Driven Agents
来源与原文
arXiv · cs.CL
作者：Lasse B. Strand
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08452v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
作者提出 Agentic AutoRAG，一种用于多目标 RAG 超参数优化的 LLM 智能体优化器，能在每次试验后用 Diagnoser 将失败问题归因到检索或生成阶段，并由 Proposer 结合模型排名与定价知识库选出下一组配置，在精度与成本间逼近 Pareto 前沿。在三个多跳 QA 基准上，其 LLM 评审准确率高于所有对比基线，且前 10 次试验即达到统计基线 30 次试验的水平；在真实医疗语料的成本感知模式下，中位测试准确率 77% 高于最强基线的 71.5%，查询成本约为其 58%，匹配 71.5% 时成本仅约 22%。论文已被 EMNLP 2026 REALM Workshop 与 NeurIPS 2026 ML for Systems Workshop 接收，代码已开源。
来源：arXiv · cs.CL · arxiv.org