GRASP：Agentic RAGに検索粒度の判断を学習させる

導入

Agentic RAGは、従来の「一度検索して一度生成する」RAGから一歩進み、言語モデルが推論しながら検索クエリを作り、証拠を取得し、必要に応じて再検索する仕組みです。しかし柔軟性が高まるほど、制御は難しくなります。いつ検索を続けるべきか、意味検索とキーワード検索のどちらを使うべきか、取得した証拠の周辺文脈をどこまで読むべきかという判断が必要になるからです。

論文 GRASP: GRanularity-Aware Search Policy for Agentic RAG は、この問題に焦点を当てています。GRASPは強化学習を用いて、エージェントが複数の検索ツールを状況に応じて使い分け、文脈の粒度を制御できるようにするフレームワークです。

核心ポイント

• より多くではなく、より適切に検索する：GRASPは大量の文書をそのままコンテキストに詰め込むのではなく、まず文単位の証拠を取得し、必要な場合だけ段落レベルに広げます。これにより、無関係なトークンが推論を妨げるリスクを抑えます。
• 3種類の行動を組み合わせる：エージェントは意味検索、キーワード検索、段落読解を選べます。意味検索は広い探索に向き、キーワード検索は固有名詞や具体的な手掛かりの特定に強く、段落読解は局所的な文脈確認に役立ちます。
• 強化学習で検索方策を訓練：報酬は回答の正確性だけでなく、根拠に基づいて読んでいるか、検索手段を補完的に使えているか、少ないターンで効率よく進めているかも考慮します。
• 多段推論に焦点：複数の証拠をつなぐ必要がある質問では、単純な一括検索では不十分なことがあります。GRASPは、方向をつかむための斜め読み、手掛かりを探す走査、最終確認のための局所読解に近い振る舞いを学習します。

意義と影響

GRASPの重要性は、Agentic RAGの改善をプロンプト設計だけに任せず、検索の意思決定そのものを学習対象にしている点にあります。多くのRAGシステムは、一定数のパッセージを取得してモデルに渡す固定的な流れに依存しています。Agentic RAGではツール利用と反復が可能になりますが、方策が弱いと過剰検索、重複検索、広すぎる文脈による混乱が起こりえます。

GRASPは、検索を単一の操作ではなく補完的な技能の集合として捉えます。意味検索で探索範囲を広げ、キーワード検索で具体的な証拠を絞り込み、段落読解で必要な文脈を追加する。この設計により、エージェントの行動が解釈しやすくなる点も注目されます。

企業内ナレッジ検索、論文調査、コンプライアンス確認、複雑なカスタマーサポートなどでは、文書量よりも限られたコンテキスト内で正しい証拠を選ぶ能力が重要です。粒度を意識した検索方策は、回答の根拠性と追跡可能性を高める方向性として有望です。

提示された素材には具体的な数値結果は含まれていないため、改善幅や実験条件の詳細は原論文を確認する必要があります。それでも、今後のRAGエージェントに求められるのは、単に検索できることではなく、いつ、どの方法で、どの深さまで読むかを判断する能力だと言えます。

出典：Hugging Face Daily Papers