Follow the Entities: A Corpus Map for Agentic Search

مسئله

پاسخ به پرسش روی مجموعه‌ی بزرگ اسناد اغلب به وصل کردن شواهد پخش در چند سند نیاز دارد، مثلاً تأیید یک پروژه در یک سند، نیازمندی‌هایش در دیگری و آخرین وضعیتش در سومی. ایجنت‌ها با جست‌وجوی مکرر کل پیکره به این مسئله نزدیک می‌شوند، اما وقتی پیکره فقط مجموعه‌ای تخت از فایل‌هاست، یک سند مرتبط نشان نمی‌دهد با بقیه چه رابطه‌ای دارد و ایجنت باید این روابط را برای هر پرسش دوباره کشف کند.

روش

لایه‌ی ناوبری CorpusMap پیکره را حول موجودیت‌های تکراری‌اش سازمان می‌دهد که از خود اسناد قابل شناسایی‌اند. هر موجودیت تکراری یک «صفحه‌ی موجودیت» دارد که اطلاعاتش را تجمیع می‌کند و به همه‌ی اسنادی که به آن اشاره دارند پیوند می‌دهد و گرافی بین موجودیت‌ها و اسناد می‌سازد که ایجنت می‌تواند پیمایش کند. چون نقشه آفلاین با یکی کردن اشاره‌ها به یک موجودیت ساخته می‌شود، پیوندها بین پرسش‌ها مشترک‌اند.

یافته‌ها

• با ۷ مدل و ۳ مجموعه‌داده، هم کشف شواهد و هم کیفیت پاسخ را نسبت به جست‌وجوی ایجنتی روی پیکره‌ی خام بهتر کرد و به‌طور میانگین توکن کمتری مصرف کرد.
• از ۴ لایه‌ی ناوبری جایگزین هم بهتر بود.

محدودیت‌ها

مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ نقشه باید آفلاین ساخته شود و چکیده اندازه‌ی عددی بهبود را نمی‌گوید.