AdaGATE: Adaptive Gap-Aware Token-Efficient Evidence Assembly for Multi-Hop Retrieval-Augmented Generation

AdaGATE ist ein trainingsfreier Evidenz-Controller für Multi-Hop Retrieval-Augmented Generation (RAG), der entwickelt wurde, um verrauschte oder redundante abgerufene Evidenz in begrenzten Kontexten zu adressieren. Es fasst die Evidenzauswahl als token-beschränktes Reparaturproblem auf und kombiniert lückenorientiertes Tracking und zielgerichtete Mikro-Anfragen, um Abdeckung, Bestätigung und Neuheit auszugleichen.