RePAIR: Migliorare il RAG Senza Categorizzazione degli Errori

Un nuovo preprint arXiv (2605.18772) introduce RePAIR, un paradigma di apprendimento risposta-azione per il Retrieval-Augmented Generation (RAG) che migliora le prestazioni senza fare affidamento su tassonomie esplicite degli errori o supervisione critica. Il metodo mappa direttamente gli output RAG difettosi a piani d'azione per mitigare gli errori, affrontando la robustezza trascurata del processo di correzione degli errori nei sistemi RAG agentici. Su diversi benchmark, RePAIR migliora costantemente le prestazioni del RAG agentico.