MA-RAG은 복잡한 정보 탐색 작업에서 발생하는 모호성과 추론 과제를 해결하기 위한 다중 에이전트 기반 검색 증강 생성(RAG) 프레임워크입니다. 기존의 end-to-end 미세 조정 또는 개별 구성 요소 개선에 의존하는 기존 RAG 방법과 달리, MA-RAG는 작업 인식 추론으로 RAG 파이프라인의 각 단계를 처리하기 위해 계획자, 단계 정의자, 추출자 및 QA 에이전트라는 특수화된 AI 에이전트의 협업 세트를 조정합니다. 모호성은 불명확하게 지정된 쿼리, 검색된 문서의 희소하거나 간접적인 증거 또는 여러 소스에 분산된 정보를 통합해야 할 필요성에서 발생할 수 있습니다. MA-RAG는 쿼리 모호성 해소, 증거 추출, 답변 종합과 같은 하위 작업으로 문제를 분해하고, 사고 연쇄 프롬프트를 갖춘 전용 에이전트에 이를 분산하여 이러한 과제를 완화합니다. 이러한 에이전트는 중간 추론을 전달하고 검색 및 종합 프로세스를 점진적으로 개선합니다. 본 설계는 모델 미세 조정 없이 정보 흐름을 세밀하게 제어할 수 있게 해줍니다. 중요한 것은 필요에 따라 에이전트를 호출하여 불필요한 계산을 피하는 동적이고 효율적인 워크플로를 가능하게 한다는 점입니다. 이러한 모듈식이고 추론 중심의 아키텍처를 통해 MA-RAG는 강력하고 해석 가능한 결과를 제공할 수 있습니다. 다단계 및 모호한 QA 벤치마크에 대한 실험은 MA-RAG가 최첨단 훈련 없는 기준선을 능가하고 미세 조정된 시스템과 경쟁한다는 것을 보여주어 RAG에서 협업 에이전트 기반 추론의 효과를 검증합니다.