## Agentic RAG 评估：在问题、轨迹与读取之间的预算分配

Hugging Face Daily Papers 论文
agentic-rag evaluation retrieval-augmented-generation benchmarking budget-allocation token-efficiency

摘要

本文研究 agentic RAG 评测中评估预算在问题数、搜索轨迹和重复读取之间的分配策略，通过 HotpotQA 和 MuSiQue 上的检索-反馈对比，发现更广的问题覆盖在固定 token 预算下能显著降低标准误差，并提出了预算分配的预测模型。

智能体检索增强生成（Agentic RAG）中的评估预算涵盖问题、搜索轨迹以及重复作答等多个层面。我们借助 HotpotQA 与 MuSiQue 上的检索—反馈对比实验，衡量了分配精度、阅读效率以及成本边界。在 34.14--34.39M 模型 token 的条件下，扩大问题覆盖范围可将标准误差较五次阅读降低 33%，较三条搜索轨迹降低 12.6%。归档的嵌套预测与仅基于问题的预测分别能在 4.0% 和 3.5% 的误差范围内预测这些分配。深度子集的分析并未显示出超越双轨迹审计的明确预测优势。在相同 token 预算下，单次阅读相对于拟合最优解的方差惩罚为 0--9.9%，且 Pro 设置存在较大的不确定性。在记录的模型费用下，当每次千次请求的搜索价格为 \$0--1 时，增加问题数量优于增加搜索轨迹；而问题与阅读两种方式的费用排序仍无法确定。温度为零可将作答分歧率从 14.3% 降至 3.4%，同时对比精度基本保持不变。\par\medskip\noindent关键词：智能体 RAG；评估预算；广义化理论；重复采样。
查看原文
查看缓存全文

缓存时间: 2026/10/08 12:30

论文页面 - Agentic RAG 评估：问题、轨迹与读取之间的预算分配

来源：https://huggingface.co/papers/2610.05034

摘要

Agentic 检索增强生成中的评估预算跨越问题、搜索轨迹和重复回答进行分配。我们在 HotpotQA 和 MuSiQue 上通过检索反馈比较，衡量了分配精度、读取效率和成本边界。在 34.14–34.39M 模型 token 预算下，更广泛的问题覆盖相比五次读取将标准误差降低了 33%，相比三条轨迹降低了 12.6%。存档的嵌套式（nested）和仅问题（Q-only）预测模型在 4.0% 和 3.5% 的误差范围内预测了这些分配。深度子集分析表明，超过两条轨迹审计后，预测没有明显优势。在相同 token 预算下，单次读取相对于拟合最优配置的方差惩罚为 0–9.9%，且存在显著的 P 值不确定性。在模型费用记录不完整的情况下，当搜索价格为每 1,000 次请求 $0–1 时，增加问题数优于增加轨迹数；问题与读取之间的费用排名尚未明确。温度设为零可将回答分歧从 14.3% 降至 3.4%，而比较精度基本保持不变。

关键词：Agentic RAG；评估预算；泛化理论；重复采样

查看 arXiv 页面 (https://arxiv.org/abs/2610.05034)　查看 PDF (https://arxiv.org/pdf/2610.05034)　添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2610.05034)

在你的 agent 中获取此论文：

hf papers read 2610.05034

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.05034 以从此页面链接它。

引用此论文的数据集 0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.05034 以从此页面链接它。

引用此论文的 Space 1

收录此论文的集合 0

没有集合收录此论文

将此论文添加到集合 (https://huggingface.co/new-collection) 以从此页面链接它。

相似文章

DeFT-RAG：将多跳问题分解为可复用答案的自包含子问题

Hugging Face Daily Papers

DeFT-RAG 提出了一种 RAG 框架，将多跳问题分解为自包含的子问题，并缓存可复用的答案，把推理工作交给基于规则的更新和一个轻量级决策模型。它在 MuSiQue、2WikiMultiHopQA 和 HotpotQA 上的准确率优于十三个基线方法，同时减少了 LLM 调用次数。

@vintcessun: RAG喂太多文档，检索质量反而从75%掉到40%？向量搜索被大量无关内容稀释，真实部署中命中率暴跌。 问题根源：异构文档混在一起检索，噪声淹没了信号。多智能体编排看似智能，实际引入精度-忠实度悖论——配置稍差就两头不讨好。 论文提出的MA…

X AI KOLs Timeline

This paper identifies 'vector search dilution' in RAG systems when scaling to large heterogeneous document collections, where accuracy dropped from 75% to 40% in a real-world deployment. The proposed MASDR-RAG method uses domain scoping via organizational metadata before retrieval, improving P@10 from 0.77 to 0.86 with low cost and easy deployment.