RAG Multi-Agent Long-form Generation Privacy-Preserving Fact Verification
摘要

针对严格隐私约束下本地部署LLM生成长文时缺乏全局规划及事实不一致的问题,本文提出RH-RAG多智能体框架。该框架将生成过程分解为三个阶段:规划器Agent基于语义摘要构建全局文档大纲;写手Agent利用有界连贯性记忆增量生成内容;检查器Agent通过自然语言推理进行事实核查并驱动修订循环。结合双级检索索引,该方法在消费级硬件上实现了高事实准确性、语义连贯性及文档级对齐,在文学、金融和法律领域表现优异,且保障了数据隐私。

AI 推荐理由

论文核心在于通过Planner Agent构建全局大纲,解决长文本生成的规划问题,属于任务分解与多步计划生成的典型应用。

研究机构
Indian Institute of Technology, Roorkee
论文信息
作者 Raj Shekhar Singh
发布日期 2026-08-02
arXiv ID 2608.01311
相关性评分 9/10 (高度相关)