ARTFEED — Contemporary Art Intelligence

CoRAG: Reranker e Generatore come Decisori Paritari

ai-technology · 2026-04-27

Un nuovo framework chiamato Cooperative Retrieval-Augmented Generation (CoRAG) ridefinisce la relazione tra reranker e generatore nei sistemi RAG. Invece della tradizionale dipendenza asimmetrica in cui la qualità della generazione dipende dai risultati del reranking, CoRAG tratta entrambi i componenti come decisori paritari ottimizzati congiuntamente verso un obiettivo condiviso. Questo approccio cooperativo incoraggia il reranker e il generatore a lavorare in sinergia, migliorando il reranking dei documenti e la generazione per risposte finali migliori. I risultati sperimentali mostrano una buona generalizzazione e una maggiore stabilità della generazione.

Fatti principali

  • 1. CoRAG tratta reranker e generatore come decisori paritari
  • 2. Il RAG tradizionale utilizza un paradigma di dipendenza asimmetrica incentrato sul ranking
  • 3. CoRAG ottimizza congiuntamente i comportamenti di reranker e generatore
  • 4. I risultati sperimentali mostrano una buona generalizzazione e una maggiore stabilità della generazione
  • 5. Il framework è proposto per superare i limiti dei sistemi RAG esistenti

Entità

Istituzioni

  • arXiv

Fonti