Liệu Agentic RAG có đáng giá không? Các hệ thống RAG đã phát triển từ các quy trình lấy lại và tạo ra đơn giản thành các quy trình phức tạp. Vẫn chưa rõ khi nào nên sử dụng Enhanced RAG (các quy trình cố định với các mô-đun chuyên dụng) so với Agentic RAG (LLM điều phối toàn bộ quá trình một cách linh hoạt). Nghiên cứu này cung cấp so sánh thực nghiệm đầu tiên. Enhanced RAG thêm các thành phần được định nghĩa trước để giải quyết các điểm yếu cụ thể: bộ định tuyến để xác định xem có cần lấy lại thông tin hay không, bộ viết lại truy vấn để cải thiện sự phù hợp, và bộ xếp hạng lại để tinh chỉnh việc chọn tài liệu. Quy trình làm việc là cố định và được thiết kế thủ công. Agentic RAG có cách tiếp cận khác. LLM quyết định các hành động nào cần thực hiện, khi nào thực hiện chúng, và liệu có cần lặp lại hay không. Không có thành phần bổ sung nào ngoài cơ sở tri thức cơ bản, bộ lấy lại và bộ tạo. Mô hình kiểm soát mọi thứ. Các nhà nghiên cứu đã đánh giá cả hai mô hình trên bốn khía cạnh trong các nhiệm vụ QA và lấy lại thông tin. Xử lý ý định người dùng: Agentic hơi vượt trội hơn Enhanced trong hầu hết các nhiệm vụ, nhưng Enhanced thắng quyết định trong FEVER (+28.8 điểm F1), nơi mà tác nhân thường lấy lại thông tin không cần thiết. Viết lại truy vấn: Agentic RAG đạt 55.6 NDCG@10 trung bình so với 52.8 cho Enhanced, cho thấy tác nhân có thể viết lại truy vấn một cách thích ứng khi có lợi. Tinh chỉnh tài liệu: Enhanced RAG với xếp hạng lại (49.5 NDCG@10) vượt trội hơn Agentic (43.9). Các mô-đun xếp hạng lại chuyên dụng vượt qua các nỗ lực lấy lại lặp đi lặp lại. Agentic RAG nhạy cảm hơn nhiều với khả năng của mô hình. Với các mô hình yếu hơn, Enhanced RAG duy trì sự ổn định trong khi hiệu suất của Agentic giảm đáng kể. Phân tích chi phí cho thấy Agentic RAG yêu cầu thời gian tính toán và token nhiều gấp 2-10 lần do lý luận nhiều bước. Sự lựa chọn giữa Enhanced và Agentic RAG phụ thuộc vào các ràng buộc của bạn. Enhanced RAG cung cấp tính dự đoán, chi phí thấp hơn và sự ổn định với các mô hình yếu hơn. Agentic RAG cung cấp sự linh hoạt nhưng yêu cầu các mô hình mạnh hơn và nhiều tính toán hơn. Bài báo: Học cách xây dựng các hệ thống Agentic RAG hiệu quả trong học viện của chúng tôi: