RICE-PO est un nouveau cadre d'optimisation de politique sans critique qui s'attaque au défi d'attribution de crédit dans les agents linguistiques interactifs. Il convertit les interactions de récupération en signaux d'apprentissage localisés, évaluant les actions exécutables et propageant le crédit aux étapes de raisonnement latentes.
Cet article explore les limites de la Génération Augmentée par Récupération (RAG) de base, telles que l'encombrement du contexte et la persistance des hallucinations. Il propose le RAG Agentique comme une évolution, où les LLM orchestrent de manière autonome le processus de récupération d'informations, décidant quand et comment rechercher des données.
Les agents d'IA qui adaptent leurs configurations de récupération en cours d'exécution obtiennent une amélioration de 25,7% des performances sur les benchmarks établis, remettant en question l'hypothèse que les piles de récupération doivent être figées. Ce nouveau paradigme permet à un module de "diagnostic" piloté par LLM de réécrire sa stratégie de recherche à mesure que de nouvelles requêtes arrivent, traitant l'ensemble du pipeline d'accès à la mémoire comme une politique mutable.