MultiSearch: Query parallele e fusione esplicita potenziano il ragionamento LLM
Un nuovo framework chiamato MultiSearch migliora il ragionamento dei modelli linguistici di grandi dimensioni generando più query per passaggio e fondendo esplicitamente le informazioni recuperate. Sviluppato da ricercatori e descritto in arXiv:2605.13534, MultiSearch utilizza l'apprendimento per rinforzo per espandere la copertura informativa e ridurre il rumore, affrontando i limiti dei metodi di recupero a query singola. L'approccio migliora il rapporto segnale-rumore e l'accuratezza del ragionamento.
Fatti principali
- MultiSearch è un framework basato su RL per il ragionamento LLM.
- Genera query da più prospettive ad ogni passo del ragionamento.
- Il recupero viene eseguito in parallelo per espandere la copertura informativa.
- La fusione esplicita consolida e perfeziona le informazioni recuperate.
- Migliora il rapporto segnale-rumore e l'accuratezza del ragionamento.
- L'articolo è pubblicato su arXiv con ID 2605.13534.
- I metodi esistenti spesso usano una singola query per passaggio, limitando la copertura.
- Il recupero a query singola introduce alto rumore e passaggi non necessari.
Entità
Istituzioni
- arXiv