MEGRAG: Grafi di Evidenza Multi-Granulari Sensibili alla Risposta per RAG Multi-Hop

È stato introdotto un nuovo framework denominato MEGRAG (Multi-Granular Evidence Graphs for Answer-Aware Multi-Hop RAG) per superare le sfide nel question answering multi-hop legate alla generazione aumentata da recupero (RAG). Questo framework, descritto nell'articolo arXiv 2608.02195, affronta due problematiche principali: la dipendenza da evidenze a granularità singola nei metodi RAG iterativi (iRAG), che spesso non riesce a bilanciare efficacemente la densità informativa e il rumore contestuale, e i problemi di evidenze ridondanti ed errori di recupero intermedi che possono compromettere le risposte finali. MEGRAG concettualizza il ragionamento multi-hop come un grafo di evidenze multi-granulari strutturato a percorsi. Collega passaggi a frasi e triple estratte tramite un indice cross-granularità offline, mentre online recupera i passaggi e costruisce un grafo per facilitare il ragionamento sensibile alla risposta. L'articolo è categorizzato come 'nuovo' su arXiv e può essere trovato su https://arxiv.org/abs/2608.02195. Gli autori suggeriscono questo framework come mezzo per migliorare l'accuratezza e l'efficienza dei sistemi RAG multi-hop.