AutoRAGTuner: Ottimizzazione Automatica delle Pipeline RAG

Un nuovo framework chiamato AutoRAGTuner automatizza l'ottimizzazione delle pipeline di Retrieval-Augmented Generation (RAG), cruciali per migliorare i modelli linguistici di grandi dimensioni (LLM) ma altamente sensibili all'architettura e alle configurazioni degli iperparametri. Il framework utilizza un approccio dichiarativo basato su configurazioni per gestire l'intero ciclo di vita RAG—costruzione, esecuzione, valutazione e ottimizzazione. Presenta un'architettura modulare che disaccoppia le fasi della pipeline tramite un meccanismo di registrazione dei componenti. Per gestire dati eterogenei, AutoRAGTuner introduce il Domain-Element Model (DEM), che rappresenta gli oggetti come elementi atomici con puntatori bidirezionali che supportano nodi, archi e iperarchi. Un motore di ottimizzazione bayesiana adattiva consente la regolazione end-to-end degli iperparametri. I risultati sperimentali mostrano che AutoRAGTuner raggiunge una generalità architetturale su diverse pipeline RAG, da quelle vanilla a quelle basate su grafi, migliorando costantemente le prestazioni senza regolazione manuale.