是检索还是思考？一种用于上下文演化的智能体方法

当前的上下文增强方法（如检索增强生成）对于解决知识密集型推理任务至关重要。然而，这些方法通常采用僵化的策略，在每一步都执行检索操作，导致不必要的计算成本并引入无关噪声。为了解决这些问题，本文提出了一种名为Agentic Context Evolution (ACE) 的框架，该框架受人类元认知启发，能够动态决定是获取新证据还是基于现有知识进行推理。ACE通过中央协调代理进行战略决策，并在检索代理和推理代理之间切换，以减少冗余检索步骤，从而保持上下文的简洁性和演化性。在多个具有挑战性的多跳问答基准测试中，ACE在准确率方面显著优于竞争基线，并实现了高效的token消耗。本研究为复杂、知识密集型任务的上下文演化生成提供了有价值的见解。