DynaKRAG Aumenta Precisão em QA Multi-Hop até 5,78 Pontos

DynaKRAG, um método de recuperação multi-hop impulsionado por máquina de estado, alcançou uma melhoria na pontuação F1 de 3,96 a 5,78 pontos em relação a uma linha de base uniformemente válida em HotpotQA, 2WikiMultiHopQA e MuSiQue usando Qwen2.5-7B-Instruct. A pesquisa, aceita no workshop FAGEN na ICML 2026, carece de evidências de implantação em produção e especificações sobre latência, throughput ou custo de inferência para o controlador.

A pilha é construída em torno do Qwen2.5-7B-Instruct, substituindo pipelines RAG estáticos por um loop de controle adaptativo. Ela mantém um estado de evidência que inclui a pergunta, documentos recuperados, fronteira de recuperação, histórico de consulta e ação, candidatos de ponte e feedback diagnóstico. Uma camada de validade rígida constrói o conjunto de ações executáveis filtrando operações que são indefinidas, esgotadas ou prematuras dada a situação atual. Um modelo de valor aprendido, então, avalia as opções válidas — recuperação de fronteira, reformulação de consulta, expansão de entidade de ponte, recuperação direcionada por lacuna, verificação de suficiência ou parada — e confirma a próxima transição. O design separa a viabilidade baseada em regras da preferência aprendida, com regras que impõem consistência de transição e o controlador aprendendo qual operação viável melhora a cobertura da evidência de forma mais eficaz. O artigo no arXiv posiciona isso como uma resposta ao Self-RAG, IRCoT e FLARE, que ele critica por incorporar a topologia de controle em pipelines específicos de método que não podem expressar operações heterogêneas dentro de um único framework.

O artigo relata pontuações F1 de 0,5998 em HotpotQA, 0,5340 em 2WikiMultiHopQA e 0,3061 em MuSiQue, superando as linhas de base controladas anteriores em todos os três conjuntos de dados. As ablações confirmam a necessidade do controlador aprendido, pois substituí-lo por uma política uniforme sobre ações válidas reduz a pontuação F1 em 3,96 pontos em HotpotQA e até 5,78 pontos nos outros. A remoção de feedback de suficiência também degrada o desempenho. Os autores observam que a recuperação adicional não é uniformemente benéfica; além de um ponto, documentos extras atuam como distrações, expandem prompts downstream e consumem tokens sem melhorar a precisão da resposta. No entanto, o artigo não inclui um orçamento de tokens por consulta, latência de relógio de parede para a etapa de inferência do modelo de valor e comparação do consumo de memória da GPU em relação a uma configuração padrão de RAG de passagem única.

O que falta no artigo no arXiv são a latência por passo, as horas de GPU para treinar o modelo de valor, a sobrecarga de inferência em relação à execução básica do Qwen2.5-7B e a análise de custo de tokens para os loops de aquisição de evidência de várias rodadas. O treinamento depende de anotações de suporte para supervisionar o controlador, mas o artigo não quantifica o volume de anotações, o custo do trabalhador da multidão ou se a política generaliza entre domínios sem re-coleta. Há também o custo de integração: os adotantes devem manter tanto o conjunto de regras da camada de validade quanto o controlador aprendido, que pode precisar de retreinamento quando as distribuições de evidência mudam. A pontuação F1 do MuSiQue de 0,3061 sublinha que até a orquestração adaptativa deixa espaço significativo para erro em questões complexas de composição e o local do workshop — e não a trilha principal da ICML — significa que os resultados ainda não enfrentaram o escrutínio de um ciclo de revisão por pares completo.

Arquitetos devem tratar o DynaKRAG como um padrão, não como um produto. O movimento transferível é separar restrições rígidas das preferências aprendidas — use regras para reduzir o espaço de ação apenas para movimentos estruturalmente válidos e, em seguida, deixe um modelo de valor leve escolher entre eles.