RICE-PO é uma nova estrutura de otimização de políticas que aborda o desafio de atribuição de crédito em agentes de linguagem interativos. Ele converte interações de recuperação em sinais de aprendizado localizados, avaliando ações executáveis e propagando crédito para etapas de raciocínio latentes.
Este artigo explora as limitações do RAG (Retrieval-Augmented Generation) básico, como o excesso de contexto e a persistência de alucinações. Propõe o RAG Agente como uma evolução, onde LLMs orquestram de forma autônoma o processo de recuperação de informações, decidindo quando e como buscar dados.
Agentes de IA que adaptam suas configurações de recuperação durante a execução demonstram um aumento de 25,7% no desempenho em benchmarks estabelecidos, desafiando a premissa de que as pilhas de recuperação devem ser estáticas. Este novo paradigma permite que um módulo de "diagnóstico" impulsionado por LLM reescreva sua estratégia de busca conforme novas consultas chegam, tratando todo o pipeline de acesso à memória como uma política mutável.