arXiv cs.AI· Zekai Chen, Hao Zhu, Yu Liu, Xunkai Li, Zejian Kang, Rui Qian, Quanjiang Li, Rong-Hua Li·· 2 天前AI 评分31
RouteDRAG：为多模态文档 RAG 学习路由与控制智能体执行
RouteDRAG: Learning to Route and Control Agentic Execution for Multimodal Document RAG
AI 导读
RouteDRAG 是一个学习型框架，通过自适应路径路由判断查询是否需要 Agent 执行，仅将 79.3% 的查询分配给 Agent。在两个基准上，其平均准确率比仅走短路径执行高 3.47 个百分点，同时超过统一 Agent 执行且所需回答调用更少。框架包含统一文档索引、自适应路径路由、动态 Agent 执行与序列策略学习四个组件，代码已开源。
正文 · AI 翻译
摘要：基于 Web 的应用日益依赖对长多模态文档的理解，其中回答问题通常需要跨页面、表格和图表整合信息。Agentic 检索增强生成通过迭代检索与推理来处理这些任务。然而，Agentic 执行并非总是必要，会引入额外计算并可能导致答案错误。我们的实证分析表明，Agentic 执行带来的收益取决于查询，而额外操作可能提升、保持或降低答案准确率。这些发现促使我们同时控制 Agent 的调用与后续执行。为应对这些挑战，我们提出 RouteDRAG，一个基于学习的框架，包含四个组件。统一文档索引将多模态内容组织为图支持的索引，并从初始检索中导出查询表示。自适应路径路由保留精确回答，并预测 Agent 相对于更短执行路径的相对收益。动态 Agent 执行维护一个不断演进的工作区，并细化 Planner 的提案以控制工具使用与终止。顺序策略学习首先从观察到的结果中训练操作控制，然后利用所得 Agent 的性能训练路径路由。在两个基准上，RouteDRAG 相比仅使用更短路径的执行平均准确率提升 3.47 个百分点，同时仅将 79.3% 的查询分配给 Agent。值得注意的是，它在两个基准上均超越了统一 Agent 执行，同时所需的回答调用更少。我们的代码现已发布于 this https URL。
| 评论： | 我们的代码现已发布于 this https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36444 [cs.AI] |
| （或 arXiv:2610.36444v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36444 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Rui Qian [查看电子邮件]
[v1]
2026年10月27日星期二 00:45:49 UTC（1,222 KB）
来源：arXiv cs.AI · arxiv.org