摘要
基础模型代理在开放环境中常受复合错误困扰，尤其在主观说服任务中易出现语义漂移与阿谀顺从。本文指出标准检索增强生成（RAG）因侧重词汇重叠而引发语义泄漏。为此，提出分类策略 RAG（TS-RAG），通过离散分类瓶颈解耦论证结构与主题内容。实验表明，TS-RAG 显著提升抽象逻辑迁移能力，使轻量级代理在不对称对抗中胜率从 70.5% 升至 78.5%，并引入辩论状态表示进行细粒度诊断。
AI 推荐理由
论文核心解决多步推理中的错误累积与逻辑漂移，提出基于分类的策略检索以增强抽象逻辑迁移。
研究机构
Sana Ayromlou
Purvi Sehgal
论文信息