DynaTree: Un Framework Agentico a Due Fasi per il Recupero di Notizie Sensibili al Tempo

Una recente pubblicazione di ricerca presenta DynaTree, un framework a due fasi progettato per il recupero efficiente e adattivo di notizie. Questo sistema affronta le carenze delle attuali tecniche agentiche di Retrieval-Augmented Generation (RAG), che spesso collegano l'espansione semantica con le decisioni di recupero in cicli di inferenza a breve termine, con conseguenti costi elevati e prestazioni inadeguate per notizie sensibili al tempo. DynaTree funziona in due fasi: la prima è una fase offline in cui agenti coordinati costruiscono un albero di recupero riutilizzabile che incarna il panorama semantico di un argomento di query, seguita da una fase online che esegue una selezione leggera di sottoalberi giornalieri basata su un proxy di valutazione localizzato nel tempo, senza ulteriore ragionamento agentico, alterazioni dell'albero o riaddestramento. I test su un benchmark di notizie Syft multi-giorno e su vari dataset BEIR rivelano che DynaTree supera costantemente il RAG standard e i precedenti approcci agentici in termini di richiamo e prestazioni di ranking.