Nuovo documento di ricerca sull'IA introduce i Grafi di Ragionamento per Agenti di Modelli Linguistici Auto-Miglioranti

Un nuovo documento di ricerca intitolato "Reasoning Graphs: Self-Improving, Deterministic RAG through Evidence-Centric Feedback" propone un approccio innovativo per migliorare gli agenti dei modelli linguistici. Il documento, identificato come arXiv:2604.07595v2, affronta il problema dei modelli linguistici che scartano la loro catena di ragionamento dopo ogni query, il che porta a un'accuratezza incoerente e un'elevata varianza nei risultati. Gli autori introducono i grafi di ragionamento, una struttura grafica persistente che memorizza catene di ragionamento per evidenza come archi strutturati collegati a specifici elementi di prova. Ciò consente un feedback centrato sull'evidenza, permettendo al sistema di rivedere come ogni elemento di prova è stato valutato in tutte le esecuzioni precedenti quando vengono presentati nuovi insiemi di candidati. Il sistema incorpora anche grafi di recupero, che lavorano insieme ai grafi di ragionamento per alimentare un pianificatore di pipeline che restringe la selezione dei candidati attraverso più esecuzioni. Insieme, queste due strutture grafiche creano un ciclo di feedback auto-migliorante che migliora sistematicamente l'accuratezza e riduce la variabilità dei verdetto. La ricerca è stata pubblicata su arXiv, un repository per articoli scientifici.