Pesquisadores formulam a seleção de evidência em resposta a perguntas com recuperação aumentada como um problema de Otimização Binária Quadrática Não Restrita (QUBO) para abordar as limitações do ranking top-k e dos seletores baseados em LLM custosos.
O método constrói uma função de energia equilibrando relevância, cobertura de requisitos, força de suporte, redundância, complementaridade e compacidade. É avaliado no HotpotQA contra linhas de base incluindo BM25, relevância marginal máxima e vários seletores de conjuntos baseados em LLM. O seletor QUBO alcança desempenho competitivo de correspondência exata e token-F1, permitindo que a seleção de contexto seja tratada por solucionadores compatíveis com Ising/QUBO.
Esta abordagem abre um caminho para pipelines de RAG onde as LLMs são reservadas para processamento semântico e geração de respostas, enquanto a seleção combinatória de evidências é descarregada para hardware especializado.