ProRAG: 検索拡張生成のためのプロセス監視型強化学習

要約

ProRAGは、複雑な推論タスクにおける検索拡張生成（RAG）を最適化するための新しい強化学習フレームワークである。従来の手法が抱える報酬の希薄さや誤った推論過程の問題を解決するため、ステップごとのプロセス報酬モデル（PRM）を導入し、中間的な推論の質を評価する。これにより、ProRAGは複数のマルチホップ推論ベンチマークで既存手法を上回る性能を達成した。

全文は有料プランで閲覧できます。