Matando o RAG: Como uma Regra de Seis Linhas Substitui a Geração Aumentada por Recuperação como Memória
BAAI
Um pesquisador de IA argumenta que o RAG (Geração Aumentada por Recuperação) é fundamentalmente falho como mecanismo de memória porque a similaridade vetorial não equivale à verdade temporal. Eles propõem uma regra de seis linhas que prioriza a versão mais recente e não esquecida de um fato, tratando o tempo como uma entidade de primeira classe. A regra, implementada em um sistema Rust, demonstra maior precisão do que um pipeline neural de dois estágios com bge-m3 e gemma3 em testes contrafactuais.
O autor afirma ter 'matado' o RAG como abordagem de memória, não como método de busca, ao identificar uma substituição: o RAG responde 'o que é semelhante', mas não 'o que é verdade agora'. Usando um exemplo de uma pessoa com três títulos de trabalho (engenheiro, líder de grupo, diretor), eles mostram que a similaridade vetorial trata todas as versões igualmente, levando a alucinações. A solução é uma regra de seis linhas que seleciona a versão mais recente, não esquecida, de um fato (com base em um carimbo de data/hora e uma chave de fato). Essa regra faz parte de um sistema em Rust com módulos para geometria (produto escalar de vetores), hnsw (vizinho mais próximo aproximado) e um diário (log somente de acréscimos). O sistema também inclui 'abstenção honesta': se o conhecimento mais próximo estiver além de um limite calibrado (GEOLLM_THRESHOLD), ele diz 'não sei'. Em experimentos no MQUAKE-CF (400 casos contrafactuais), a regra de seis linhas supera um pipeline que usa o codificador bge-m3 e o árbitro gemma3. O autor enfatiza que a regra proporciona quatro propriedades (versões, atualidade, esquecimento, visão histórica) gratuitamente, e a abstenção como uma quinta.
Fonte: Habr — хаб ИИ —
original