ES
La búsqueda puede solicitar características útiles al generar resultados
AGR: Agentic Generative Retrieval with Tool-Augmented Search · arXiv:2610.26831
En palabras sencillas
Los sistemas de búsqueda y recomendación pueden encontrar elementos haciendo que un modelo genere códigos que los identifican. También cuentan con pistas, como el historial del usuario o la actualidad de un elemento, pero añadir todas las pistas de antemano puede ser costoso o poco útil.
Agentic Generative Retrieval permite que el modelo solicite una pista mientras genera el código de un elemento y elija si puede ayudar y cuándo. En solicitudes de búsqueda de Industry reservadas para la prueba, encontró más elementos relevantes conocidos entre sus 32 primeros resultados que un método estándar de recuperación generativa.
La investigación
Los sistemas de búsqueda pueden usar muchas pistas sobre una solicitud y sus posibles resultados, pero añadirlas todas de antemano puede aumentar los costes e introducir información irrelevante.
¿Puede un modelo de recuperación decidir qué pista ayuda para una solicitud concreta y cuándo debería influir esa pista en el elemento que está generando?
Agentic Generative Retrieval permite que un modelo llame a herramientas de características mientras genera el identificador de un elemento y decida, según la solicitud y el prefijo actual del identificador, si las usa, cuáles y cuándo.
En pruebas de recuperación sin conexión, los investigadores compararon AGR con TIGER, un método estándar de recuperación generativa. En solicitudes de Industry reservadas para la prueba, el Recall@32 de AGR fue un 14.04% mayor en términos relativos que el de TIGER.
Recall@32 promedia, entre las solicitudes, la proporción de elementos relevantes conocidos que aparecen entre los 32 primeros resultados.
La comparación respalda el rendimiento de recuperación de AGR en esta configuración. Los métodos compartían una base preentrenada con texto, los codebooks de SID, los datos de entrenamiento, la tasa de aprendizaje y la configuración de hardware, pero el artículo no establece que partieran del mismo punto de control.
La comparación sin conexión corresponde a solicitudes de prueba de Industry, y el artículo no establece que AGR y TIGER partieran del mismo punto de control.
El resultado en producción mide una sola medida de relevancia en un único sistema de búsqueda; ninguno de los dos resultados establece efectos en todos los sistemas ni en los resultados para los usuarios.
Qué muestran las pruebas
- Permitir que la generación solicite características
Agentic Generative Retrieval (AGR) es un método de recuperación de elementos que usa herramientas y genera Semantic IDs jerárquicos, o SIDs. Los métodos existentes pueden añadir características, como el historial del usuario, antes de la generación, incluso si una característica no es relevante para una solicitud.
AGR permite que el modelo decida, a partir de la solicitud y del prefijo del SID que ha generado, si obtiene una característica, cuál obtiene y dónde la usa.
- Poner a prueba el supuesto de las características estáticas
El artículo examina por qué podría importar elegir las características según la solicitud y la profundidad de generación. Cuando los investigadores añadieron una característica de forma estática, el modelo predijo mejor el siguiente código correcto del SID en las solicitudes cuyo elemento objetivo compartía esa característica, pero peor cuando los valores de la característica entraban en conflicto.
Un segundo análisis encontró que las características estáticas no tenían sistemáticamente su mayor efecto en la profundidad del SID donde más información aportaban. Estos patrones motivan las decisiones de AGR, sensibles a la solicitud y a la profundidad.
- Comparar la recuperación en Industry
En pruebas sin conexión con datos reservados de Industry, el Recall@32 de AGR fue un 14.04% mayor en términos relativos que el de TIGER, un método estándar de recuperación generativa. Recall@32 promedia, entre las solicitudes, la proporción de elementos relevantes conocidos que aparecen entre los 32 primeros resultados.
Los métodos compartían una base preentrenada con texto, los codebooks de SID, los datos de entrenamiento, la tasa de aprendizaje y la configuración de hardware, aunque el artículo no establece que partieran del mismo punto de control.
- Comparar estrategias de interacción con características
En un análisis de ablación aparte en Industry, se comparó AGR con la inyección estática de características, la ponderación de características guiada por la consulta y las llamadas a herramientas en una posición fija de la generación. AGR obtuvo el mayor Recall@50 entre esas estrategias, con una puntuación de 0.3264.
Como las estrategias usaron el mismo conjunto de características, esta comparación evalúa cómo se seleccionan e incorporan las características en esa configuración de Industry; no establece que el resultado se repita en otras condiciones.
- Medir la relevancia en producción
En una prueba A/B independiente de producción, de siete días, AGR y el sistema de referencia de producción atendieron cada uno al 10% del tráfico seleccionado al azar.
Los investigadores midieron la relevancia como la proporción de solicitudes cuyos cuatro primeros resultados eran muy relevantes para la consulta; aumentó un 0.205% en términos relativos frente al sistema de referencia. Esto aporta un resultado en línea para ese sistema de búsqueda y esa medida, junto con la evidencia de recuperación sin conexión.
Detalles
- Autores del paper original
- Ming Yang, Yaqi Yin, Zhibo Wang, Xiaoze Jiang, Jingwei Zhuo
- Enviado a arXiv
- Licencia
- arXiv non-exclusive