Управление рассуждением LRM в юридическом домене: адаптация архитектуры TG-RAG (часть 1)Почему RAG даже после самых изощ...

Управление рассуждением LRM в юридическом домене: адаптация архитектуры TG-RAG (часть 1)Почему RAG даже после самых изощренных улучшений может плохо работать на ваших задачах в специализированном домене? Возможно, дело в представлении знаний, и вместо векторов стоит использовать графы. А может быть, дело не в знаниях, а в том, как модель их применяет: например, в сложных и длинных, но повторяющихся сценариях результаты ИИ-агента от запуска к запуску расходятся, и его работу приходится постоянно перепроверять? Найти и извлечь ≠ правильно применить . «Найти и извлечь» — классическая задача RAG: подобрать в контекст модели релевантные фрагменты знаний. «Правильно применить» — требует процедурного знания: в каком порядке выполнять шаги и что делать при каждом исходе. Но процедура попадает к модели так же, как знания — в виде пассивного контекста: инструкцией в промпте или в найденных документах. Следовать ей ничто не обязывает, и на длинных цепочках рассуждения с ветвлениями модели от проц...