Resumen Técnico: Agentes de Recuperación Conscientes de la Trayectoria para la Toma de Decisiones Temporales

Planteamiento del Problema

El artículo aborda las limitaciones de los flujos de trabajo estándar de Generación Aumentada por Recuperación (RAG) cuando se aplican a tareas de toma de decisiones de alto riesgo que involucran texto de larga duración y estructurado temporalmente (por ejemplo, historias clínicas, llamadas de resultados financieros, datos del mercado bursátil).

Los enfoques RAG estándar recuperan fragmentos de texto basándose únicamente en la similitud semántica, fragmentando el contexto cronológico en una "bolsa de texto" desordenada. Esta pérdida estructural es crítica porque muchos problemas de decisión dependen de la trayectoria de la información, como el empeoramiento de los síntomas de un paciente, el cambio de orientación de un CEO o la dependencia de precios de acciones en serie. Descartar esta estructura temporal puede llevar a condicionarse con evidencia contradictoria o a perder transiciones críticas. Además, los LLM autorregresivos estándar producen secuencias de tokens en lugar de decisiones de clasificación acotadas, lo que genera una alta varianza y sensibilidad al formato del prompt cuando se les obliga a producir etiquetas discretas.

Metodología: TLM (Modelo de Lenguaje de Trayectoria)

Los autores proponen TLM, un marco de agentes de bucle cerrado que integra métodos estadísticos clásicos en el flujo de trabajo RAG para modelar la trayectoria latente de la evidencia recuperada. El marco opera en cinco etapas:

1. Recuperación Híbrida: El documento fuente se particiona en fragmentos superpuestos. La recuperación inicial utiliza un enfoque híbrido que combina la coincidencia léxica dispersa (BM25) y la similitud semántica densa (mediante un codificador de frases preentrenado) para formar un conjunto de evidencia inicial $Z^{(0)}$.
2. Modelado de Curva de Crecimiento Latente (LGCM): Los fragmentos recuperados y ordenados se tratan como observaciones de un estado latente en evolución. Los embeddings de estos fragmentos se ajustan a un LGCM lineal ($e_i = \mu + \beta t_i + \epsilon_i$), donde $\mu$ representa el estado base y $\beta$ la tasa de cambio. Esta descomposición produce tres señales accionables:
   • Clasificación de Tendencia: Categorizar la trayectoria como estable, progresiva o con cambio de dirección.
   • Detección de Puntos de Inflexión: Identificar fragmentos cuyos residuos exceden la media como desviaciones de la trayectoria esperada.
   • Detección de Brechas: Identificar diferencias bruscas entre los embeddings sucesivos para activar la re-recuperación dirigida de información intermedia faltante.
3. Re-clasificación y Recuperación Aprendida: Un puntuador ligero basado en atención $g_\theta$ se entrena conjuntamente con el LLM. Este re-clasifica los fragmentos por importancia y construye "consultas aprendidas" (promedios de los embeddings de los fragmentos con mayor puntuación) para recuperar evidencia adicional que sea de relevancia diagnóstica, aunque no coincida léxicamente con la consulta original.
4. Clasificación por LLM: El conjunto de evidencia final (fragmentos re-clasificados, resumen de LGCM, consulta y opciones) se pasa a un LLM causal. El modelo califica las opciones de respuesta utilizando los logits del siguiente token para producir una clasificación discreta.
5. Refinamiento Iterativo Guiado por SHAP: Tras la predicción inicial, el sistema estima la contribución de cada fragmento utilizando una aproximación de valores de Shapley de "dejar uno fuera" (leave-one-out), calculada eficientemente mediante el puntuador ligero. Los fragmentos con contribuciones positivas siembran nuevas consultas para recuperar evidencia adicional. Crucialmente, este refinamiento es solo aditivo; los fragmentos recuperados previamente nunca se descartan.

Los autores proporcionan una proposición teórica que establece que, bajo un supuesto de calibración del puntuador, este procedimiento de refinamiento aditivo es monótonamente no decreciente en la probabilidad asignada a la etiqueta correcta.

Contribuciones Clave

1. Modelado de Curva de Crecimiento Latente para RAG: El artículo introduce la primera aplicación de los LGCM a las trayectorias de evidencia en RAG. Esto proporciona una descomposición principios de la evidencia en base, tendencia y residuos, permitiendo la detección de tendencias, puntos de inflexión y brechas de información.
2. Arquitectura Conjunta LLM-Puntuador: Los autores proponen un puntuador ligero entrenado conjuntamente con el LLM para permitir la estimación eficiente de los valores SHAP. Esto reemplaza las costosas pasadas hacia adelante del LLM con pasadas económicas del puntuador, haciendo que el refinamiento iterativo de la evidencia sea práctico.
3. Validación Empírica en Diversos Dominios: El marco se evalúa en tres tareas de decisión temporal distintas: preguntas médicas, predicción de sorpresas en llamadas de resultados y predicción de brechas de acciones nocturnas.

Resultados Experimentales

El marco TLM fue evaluado en tres conjuntos de datos utilizando un backbone Qwen3-14B y embeddings BAAI/bge-large-en-v1.5:

• Preguntas Médicas (MedQA): TLM alcanzó un 64.2% de precisión, superando significativamente la línea base de cero disparos (zero-shot) del LLM (34.6%) y un clasificador basado solo en embeddings (15.3%). Esto demuestra la necesidad de inferencia de múltiples saltos sobre evidencia estructurada temporalmente en el razonamiento clínico.
• Predicción de Sorpresas en Llamadas de Resultados: En una tarea de clasificación binaria para predecir la reacción del mercado ante los resultados, TLM logró un 58.0% de precisión. Esto supera a los LLM zero-shot (50.7%) y a las líneas base estándar de recuperación, que apenas superaron el azar, resaltando la dificultad de la tarea debido a la hipótesis de los mercados eficientes.
• Predicción de Brechas de Acciones Nocturnas: En una tarea de clasificación de tres vías (Comprar/Mantener/Vender) simulada como una estrategia de trading, TLM logró un 38.3% de precisión frente al 27.5% de la línea base zero-shot. En términos de impacto económico, TLM hizo crecer una cartera simulada de \10,000 a **\20,400**, comparado con los $12,067 de la línea base.

Significado y Reivindicaciones

El artículo afirma que TLM cierra la breancia entre la metodología estadística para el análisis de datos longitudinales y los agentes modernos de LLM. Al tratar la evidencia recuperada no como un conjunto desordenado sino como una trayectoria temporal, el marco permite a los agentes razonar sobre tendencias y transiciones en lugar de hechos estáticos.

Los autores enfatizan que, si bien las ganancias en las tareas financieras son modestas en términos porcentuales, estas son económicamente significativas dada la dificultad de predecir las reacciones del mercado. El enfoque se presenta como un método generalizable para mejorar la toma de decisiones en cualquier dominio donde el orden cronológico y la evolución de la información sean críticos para el resultado correcto. El trabajo no pretende resolver todos los desafíos de razonamiento temporal, sino que ofrece un mecanismo específico (LGCM + refinamiento SHAP) para mitigar la pérdida estructural inherente a los flujos de trabajo RAG estándar.