著者らは、マルチホップ検索拡張生成を原子レベルの証拠操作に対する状態条件付き制御として定式化する統合フレームワークであるDynaKRAGを紹介します。各ステップで、妥当性レイヤーが実行可能なアクションセットを構築し、学習されたコントローラーが証拠状態を更新するための次の操作を選択します。

  • DynaKRAGはQwen2.5-7B-Instructを使用し、HotpotQAでF1スコア0.5998、2Wikiで0.5340、MuSiQueで0.3061を達成しました。
  • このシステムは、3つのベンチマークすべてにおいて最も強力な制御済みベースラインを上回ります。
  • 学習されたコントローラーを一様妥当性ポリシーに置き換えると、F1スコアが3.96〜5.78ポイント低下します。
  • 十分性フィードバックを除去すると、すべてのデータセットでパフォーマンスが負の影響を受けます。

これらの結果は、進化する証拠状態の下で検索、診断、ギャップ指向の取得を調整することの利点を示しています。