En aquest estudi, els investigadors presenten Adaptive-RAG, un model avançat de recuperació augmentada per a generació (Retrieval-Augmented Generation, RAG) que optimitza el procés de cerca i generació de respostes segons la complexitat de les consultes realitzades. Adaptive-RAG es diferencia d'altres enfocaments per la seva capacitat d'adaptar dinàmicament la necessitat de recuperació basada en la dificultat del qüestionament, aconseguint un equilibri entre precisió i eficiència computacional.
Es van comparar diversos models de recuperació augmentada, organitzats en tres categories: Enfocaments Simples, Adaptatius i Complexos. Dins d'aquests, Adaptive-RAG va demostrar un millor rendiment en oferir una alta precisió amb menors temps de processament en comparació amb models més complexos, mantenint una eficiència superior respecte a mètodes més bàsics. A més, es va implementar una versió optimitzada, anomenada Adaptive-RAG amb Oracle, que va utilitzar un classificador avançat per millorar encara més els resultats.
L'avaluació del model es va dur a terme mitjançant mètriques estàndard com F1, Exact Match (EM) i Accuracy (Acc) per mesurar l'efectivitat, així com mètriques d'eficiència que consideren el nombre de passos de recuperació i generació i el temps mitjà de resposta. Els resultats reflecteixen que Adaptive-RAG aconsegueix un equilibri ideal entre precisió i velocitat en la generació de respostes.
A més, en la implementació del model es van utilitzar tècniques robustes com l'algorisme BM25 per a recuperació d'informació i models de llenguatge avançats com FLAN-T5 i GPT-3.5 per a generació de respostes. La classificació de la complexitat de les consultes es va realitzar utilitzant un model T5-Large, entrenat amb dades anotades específicament per a aquesta tasca.
A Q2BSTUDIO, empresa líder en desenvolupament de programari i serveis tecnològics, ens especialitzem en la implementació de solucions avançades basades en intel·ligència artificial i processament de llenguatge natural. La investigació presentada en aquest article reflecteix el nostre compromís amb el desenvolupament de models eficients i innovadors per optimitzar processos i millorar la presa de decisions en entorns digitals. El nostre equip treballa constantment en la integració d'aquestes tecnologies en solucions empresarials escalables i adaptatives, garantint un alt nivell de precisió i rendiment.
