RICE-PO es un nuevo marco de optimización de políticas sin crítico que aborda el desafío de asignación de crédito en agentes de lenguaje interactivos. Convierte las interacciones de recuperación en señales de aprendizaje localizadas, evaluando acciones ejecutables y propagando crédito a pasos de razonamiento latentes.
Este artículo explora las limitaciones de la Generación Aumentada por Recuperación (RAG) básica, como la sobrecarga de contexto y la persistencia de alucinaciones. Propone RAG Agente como una evolución, donde los LLMs orquestan autónomamente el proceso de recuperación de información, decidiendo cuándo y cómo buscar datos.
Los agentes de IA que adaptan sus configuraciones de recuperación durante la ejecución muestran un aumento del 25.7% en el rendimiento en benchmarks establecidos, refutando la suposición de que las pilas de recuperación deben ser fijas. Este nuevo paradigma permite que un módulo de "diagnóstico" impulsado por LLM reescriba su estrategia de búsqueda a medida que llegan nuevas consultas, tratando todo el pipeline de acceso a la memoria como una política mutable.