【第620期】MASS-RAG：多智能体合成检索增强生成技术

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。
合作邮箱：zhiwudazhanjiangshi#gmail.com

今天的主题是：

MASS-RAG: Multi-Agent Synthesis Retrieval-Augmented Generation

Summary

大语言模型（LLM）广泛应用于检索增强生成（RAG），以便在推理阶段融入外部知识。然而，当检索到的上下文包含噪声、不完整或异构（heterogeneous）时，单一的生成过程往往难以有效协调并融合这些证据。

为此，我们提出了 MASS-RAG，一种用于检索增强生成的多智能体合成方法（Multi-agent synthesis approach）。该方法将证据处理过程结构化地分配给多个具备角色分工的专业智能体。MASS-RAG 部署了不同的智能体分别执行证据摘要、证据提取以及对检索文档的逻辑推理，并通过一个专门的合成阶段将它们的输出结合起来，从而产生最终答案。这种设计展现了多种中间证据视角，使模型能够在生成答案之前，对互补信息进行对比与整合。

在四个基准测试上的实验表明，MASS-RAG 的性能持续优于强劲的 RAG 基线模型，特别是在相关证据分散于不同检索上下文的场景中，其优势尤为明显。

原文链接：https://arxiv.org/abs/2604.18509