Agentic RAG、TRuST 基准测试及其与Nafanya的关系

Nafanya 是一款面向建筑和定价领域规范性与技术文档的智能体 RAG 助手，由 Nikolai 开发。它采用多智能体架构，包含规划器、检索器、评估器、生成器和评论器。为了测试其搜索能力，作者改编了 TRuST 基准，其中包含 324 个需要多步搜索的复杂俄语问题。最初，系统得分较低，但通过引入 CoverageCritic 并优化架构，召回率（Recall All）从 0.25 提升至 0.45，答案正确率从 34% 提升至 56%。后来，系统又加入了最终评论器（Final Critic），并使用了诸如 Qwen 和 DeepSeek 等外部 API。作者指出，TRuST 基于 BrowseComp-Plus 方法论，并包含固定索引和多种搜索复杂度类型。