RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA

Resumen Técnico: RELOOP

1. Planteamiento del Problema

Los sistemas de Generación Aumentada por Recuperación (RAG) basados en Grandes Modelos de Lenguaje (LLM) enfrentan desafíos críticos al tratar con preguntas de múltiples pasos y fuentes de evidencia heterogéneas (texto libre, tablas relacionales y grafos de conocimiento). El estado del arte actual presenta tres limitaciones principales:

• Fragilidad en la Recuperación de un Solo Paso (Single-pass): Los pipelines tradicionales (recuperar-k y luego generar) a menudo fallan en trazar cadenas de evidencia completas. Los recuperadores densos carecen de cobertura de rutas, la fragmentación de documentos rompe el discurso y el uso de contextos largos desplaza el presupuesto de tokens hacia información irrelevante.
• Iteración Descontrolada y Latencia: Los sistemas multi-agente que intentan razonamiento iterativo tienden a explotar el espacio de búsqueda, generando planes ramificados, llamadas repetidas a herramientas y costos de tokens impredecibles. La terminación suele ser heurística, lo que lleva a respuestas prematuras o bucles innecesarios.
• Heterogeneidad de Formatos: El texto, las tablas y los grafos de conocimiento (KG) requieren índices, recuperadores y lógicas de control distintos, lo que impide la reutilización de políticas y complica el entrenamiento. Además, las serializaciones existentes a menudo pierden la trazabilidad (proveniencia) de los datos.

2. Metodología: El Framework RELOOP

RELOOP es un marco estructurado que transforma la recuperación en un proceso iterativo guiado y consciente del presupuesto, unificando todas las fuentes de datos bajo una interfaz nativa para LLM.

A. Representación Unificada: HSEQ (Hierarchical Sequence)
El núcleo de RELOOP es el HSEQ, una secuencia jerárquica reversible que linealiza documentos, tablas y grafos de conocimiento en un solo flujo de segmentos tipados.

• Estructura: Cada segmento $s$ contiene: ID, etiqueta de nivel (ej. párrafo, fila, tripleta), puntero al padre (para localidad), contenido y metadatos ligeros (coordenadas, esquema, tiempo).
• Ventaja: Permite que un único parser y una única política de navegación operen sobre texto, tablas y KG sin necesidad de especialización por dataset, manteniendo la trazabilidad completa.

B. Agentes y Flujo de Trabajo
El sistema se compone de tres módulos principales que interactúan en un bucle guiado:

1. HSEQ-Adapter (HSEQ-A): Convierte el corpus heterogéneo en la secuencia $S_h$.
2. RELOOP-Iterator (RELOOP-I): Un agente (policy $\pi_\theta$) que realiza la recuperación iterativa.
   • Guía ($g$): Recibe un plan breve generado por el Head Agent (o plantillas heurísticas) que actúa como un prior suave sobre qué regiones explorar primero.
   • Iteración Controlada: En cada paso, selecciona un subconjunto de segmentos prometedores dentro de una ventana de contexto y decide si expandir la búsqueda (ej. saltos padre/hijo, vecinos de filas/columnas, relaciones de KG).
   • Señal de Suficiencia: El agente predice si la evidencia acumulada es suficiente para responder ($s_t \in \{0, 1\}$), permitiendo una parada temprana y eficiente.
3. RELOOP-Head (RELOOP-H):
   • Generación de Guía: Analiza la pregunta para crear el plan de búsqueda inicial.
   • Síntesis de Respuesta: Una vez que el Iterator detiene el bucle, un Canonicizador ($\kappa$) empaqueta la evidencia seleccionada en un formato compacto y preservador de la procedencia. El Head genera la respuesta final basada en este paquete.
   • Refinamiento: Opcionalmente, un verificador puede detectar contradicciones y activar un bucle de refinamiento breve con un presupuesto reducido.

3. Contribuciones Clave

1. Parsing Estructurado Reversible y Agnóstico al Formato: La representación HSEQ estandariza texto, tablas y KGs, permitiendo que una sola política aprendida navegue eficazmente entre modalidades sin perder la estructura original ni la procedencia.
2. Iteración Guiada y Consciente del Presupuesto: Introduce una política de selección aprendida con una señal explícita de suficiencia. Esto concentra la computación solo en la evidencia necesaria, reduciendo saltos innecesarios, llamadas a herramientas y latencia, manteniendo la precisión.
3. Evidencia Canonizada para QA Confiable: Genera paquetes de evidencia compactos que preservan la procedencia (IDs, coordenadas, fragmentos), mejorando la consistencia de las respuestas, la auditabilidad y permitiendo la detección de contradicciones.

4. Resultados Experimentales

Los autores evaluaron RELOOP en benchmarks heterogéneos: HotpotQA (texto), HybridQA y TAT-QA (texto + tablas), y MetaQA (grafos de conocimiento).

• Rendimiento: RELOOP superó consistentemente a las líneas base de LLMs puros, métodos RAG de un solo paso y sistemas agénticos multi-agente existentes.
  • Logró mejoras significativas en métricas EM (Exact Match) y F1 en todos los datasets.
  • En MetaQA (2-hop y 3-hop), las configuraciones de RELOOP alcanzaron los mejores resultados (ej. 95.9% de precisión en 2-hop vs 88.2% del mejor baseline).
• Eficiencia:
  • A diferencia de los sistemas agénticos que realizan 11-17 pasos de expansión (como Think on Graph), RELOOP mantiene bucles cortos de 3 a 5 pasos.
  • Esto reduce la latencia en más de un 50% comparado con métodos de razonamiento en grafos, manteniendo una precisión superior.
  • Existe una frontera de Pareto clara: se pueden elegir pares de agentes (Iterador + Head) para priorizar máxima precisión (modelos más grandes) o mínima latencia (modelos ligeros como Llama-3.2-3B).
• Estudios de Ablación:
  • La eliminación del ajuste fino (SFT) del Iterator causó una caída notable, pero el uso de la estructura HSEQ mantuvo el rendimiento por encima de los LLMs puros.
  • La guía (ya sea generada por un planificador o heurística) es crucial; sin ella, el rendimiento disminuye, demostrando que el "prior" de búsqueda es esencial.

5. Significado e Impacto

RELOOP representa un avance significativo hacia la robustez y eficiencia en RAG heterogéneo.

• Unificación: Demuestra que es posible tratar texto, tablas y grafos bajo una misma arquitectura lógica, eliminando la necesidad de sistemas especializados por tipo de dato.
• Control de Costos: Al integrar una señal de suficiencia y un presupuesto explícito, resuelve el problema de la "explosión de tokens" en sistemas agénticos, haciendo que el RAG sea viable para entornos de producción con restricciones de latencia y costo.
• Auditabilidad: La capacidad de rastrear cada parte de la respuesta hasta un segmento específico con coordenadas exactas mejora la confianza en las respuestas de IA, crucial para dominios como finanzas o medicina.

En conclusión, RELOOP ofrece un punto de operación equilibrado que combina la capacidad de razonamiento multi-paso con la eficiencia de un sistema controlado, superando las limitaciones de fragilidad y costo de las arquitecturas RAG actuales.