SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions

本論文は、自律的な意思決定システムとしてのアージェント型 RAG を初めて統一的に定式化し、その分類体系・アーキテクチャ・評価手法の課題を体系的に整理するとともに、信頼性の高い大規模システム構築に向けた将来の研究方向性を提示する包括的な知見の体系化（SoK）論文である。

要約

🚗 従来の AI と「エージェント型 AI」の違い

まず、**「従来の RAG（検索拡張生成）」と「エージェント型 RAG」**の違いを理解しましょう。

• 従来の RAG（自動車の「ナビゲーション」）：
  目的地（質問）を言うと、ナビが地図（データベース）から一度だけ最適なルートを探して、答えを言います。

  • 弱点： もし最初のルートが間違っていたり、道が封鎖されていても、ナビは「もう一度探して」とは言いません。ただ、間違ったルートで目的地へ向かってしまいます（これを「幻覚」と呼びます）。

• エージェント型 RAG（「探検家」または「熟練のドライバー」）：
  目的地を言うと、ナビが**「よし、まずは A 地点を見てみよう。あれ？道が詰まっているな。じゃあ B 地点に迂回しよう。あ、B 地点にも問題がある？じゃあ C 地点を調べて、自分で判断してルートを変えよう」**と、自分で考え、動き回り、失敗したら修正することができます。

  • 特徴： 一度きりではなく、何度も検索し、考え直し、必要な道具（計算機や API など）を使います。

この論文は、この「探検家のような AI」がどうやって動いているのか、どうすれば安全に動かせるのかを体系的にまとめたものです。

---

📚 この論文の 5 つの主要なポイント

1. 仕組みの整理（タキソノミー）：「料理のレシピ」のような分類

世の中には「エージェント型 AI」の作り方がバラバラで、誰が何をしているか混乱していました。この論文は、それらを整理する**「分類表」**を作りました。

• 計画（プランナー）： 「まず何から手をつけるか」を決める頭脳。
• 検索（リトリーバー）： 必要な情報を探す手。
• 記憶（メモリー）： 過去の失敗や成功を覚えているノート。
• 道具（ツール）： 計算機や検索エンジンを使う手。
  これらがどう組み合わさっているかで、AI のタイプを分類しています。

2. 設計図（アーキテクチャ）：「楽団」のような構成

AI を単なる「文章を書く機械」ではなく、**「楽団」**として捉えています。

• 指揮者（プランナー）： 全体の流れを管理する。
• 奏者（検索・生成）： 具体的なタスクを実行する。
• 楽譜（記憶）： 過去の演奏を記録し、次の演奏に活かす。
  このように役割を分けることで、複雑な問題でもスムーズに解決できるようになります。

3. 評価方法の革命：「結果」だけでなく「プロセス」を見る

これまでの AI 評価は、「答えが合っていたか（○×）」だけを見ていました。
しかし、エージェント型 AI は**「どうやってその答えにたどり着いたか」**が重要です。

• 例え： 数学の問題で、たまたま答えが合っていたとしても、途中の計算が間違っていたら「不合格」です。
  この論文は、AI が**「思考の過程（トレース）」や「検索の効率」**をどう評価すべきかという新しい基準を提案しています。

4. 危険な落とし穴（リスク）：「悪魔の囁き」

AI が自分で動き回るようになると、新しいリスクが生まれます。

• 悪循環（ハルシネーションの連鎖）： 一度間違った情報を信じて検索すると、その間違った情報に基づいてさらに間違った検索をしてしまい、嘘が嘘を呼んで増幅されていきます。
• 記憶の汚染： AI の「ノート（記憶）」に悪意のある情報が書き込まれると、その AI は二度と正しい判断ができなくなります。
• 道具の悪用： 検索機能や計算機能を、意図しない使い方（ハッキングなど）に使われてしまうリスクです。

5. 未来への道しるべ（研究課題）：「安全な自動運転」へ

最後に、この分野が成熟するために解決すべき 5 つの大きな課題を挙げています。

1. 安定した検索： 迷子にならずにゴールまでたどり着く技術。
2. 思考の検証： AI が「今、正しいことを考えているか」を自分でチェックする技術。
3. 記憶のセキュリティ： ノートを汚されないように守る技術。
4. コスト管理： 無駄な検索や計算でお金をかけすぎない技術。
5. 人間の監視： 危険な判断をした時に、人間が介入できる仕組み。

---

💡 まとめ：なぜこれが重要なのか？

この論文は、**「AI に『検索して答える』だけでなく、『考えて行動する』能力を与えた時、どうすれば安全で信頼できるシステムになるか」**という、現代 AI 開発の最重要課題を整理したものです。

まるで、**「自動運転カー」**が街中を走るために、単に「ハンドルを切る」だけでなく、「交通ルールを守る」「他の車と協調する」「緊急時に人間が介入する」仕組みが必要なのと同じです。

この論文は、その「自動運転 AI（エージェント型 RAG）」が、単なる実験室の玩具ではなく、病院や法廷、企業など**「命やお金がかかるところ」で安心して使えるようになるための「設計図と安全マニュアル」**を提供しています。

技術概要

SoK: Agentic Retrieval-Augmented Generation (RAG) の技術的概要

本論文「SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions」は、従来の静的な RAG システムから、自律的な意思決定を行う「エージェント型 RAG」へのパラダイムシフトを体系的に分析し、その概念定義、分類、アーキテクチャ、評価手法、および将来の研究課題を提示するシステマティゼーション・オブ・ナレッジ（SoK）論文です。

以下に、問題定義、手法、主要な貢献、結果（分析）、および意義について詳細をまとめます。

---

1. 問題定義 (Problem)

従来の Retrieval-Augmented Generation (RAG) システムは、「検索して、生成する」という単一の静的なパイプラインに依存しています。しかし、このアプローチには以下の重大な限界があります。

• 静的な制御フロー: 検索は事前に行われ、生成プロセス中に適応的な修正や多段階の推論を行うことができません。
• 文脈の過負荷と「Lost in the Middle」: 一度に大量の文脈を生成モデルに渡すことで、重要な情報が無視されたり、ノイズに埋もれたりする問題が発生します。
• エラーの伝播: 初期の検索結果が不正確でも、システムはそれを修正するループを持たないため、誤った情報が最終出力に反映されます。
• 評価の欠如: 既存の評価指標（BLEU や ROUGE など）は最終回答の精度のみを測るものであり、エージェントがたどった推論経路やツールの使用適切性を評価できません。

これらの限界を克服するため、LLM が自律的に検索、推論、ツール実行を調整する「Agentic RAG」が登場しましたが、その分野は断片化しており、統一的な定義や評価基準が存在しませんでした。

2. 手法と枠組み (Methodology)

本論文は、Agentic RAG を「部分的に観測可能なマルコフ決定過程（POMDP）」として形式的に定義し、以下の多角的なアプローチで分析を行いました。

A. 形式的定義 (Formalization)

Agentic RAG を有限 horizon の POMDP としてモデル化しました。

• 状態 ($S_{env}$): 必要な知識の潜在状態。
• 行動 ($A$): 検索、推論、ツール実行、終了などの離散行動空間。
• 観測 ($\Omega$): 検索結果やツールの出力。
• 方策 ($\pi_\theta$): LLM によってパラメータ化された制御方策。
• メモリ ($M_t$): 観測履歴と推論の痕跡を保持する作業メモリ。
  これにより、検索は単なる前処理ではなく、自律的な制御ループ内の「ツール」として位置づけられました。

B. 分類体系 (Taxonomy)

Agentic RAG システムを 4 つの直交する次元で分類する包括的な分類体系を提案しました。

1. アーキテクチャ (Topology): シングルエージェント、プランナー・エグゼキュータ分離、マルチエージェント。
2. 検索戦略 (Retrieval Strategy): ワンショット検索、反復検索、自己改善型検索。
3. 推論手法 (Reasoning): Chain-of-Thought (CoT)、ReAct 型、リフレクション、木探索 (Tree-of-Thoughts)。
4. メモリと文脈 (Memory): 短期作業メモリ、エピソードメモリ、永続的長期メモリ。

C. 設計パターンとアーキテクチャ分解

• 設計パターン: 「Plan-then-Retrieve（計画後に検索）」「Retrieve-Reflect-Refine（検索・反省・改善）」「Multi-Agent Collaboration（マルチエージェント協調）」など、実装で繰り返される制御フローのパターンを特定しました。
• コアコンポーネント: プランナー、検索エンジン、推論エンジン（コントローラー）、メモリシステム、ツールオーケストレーション層、検証・自己修正モジュールという 6 つのモジュールにシステムを分解し、その相互作用を分析しました。

D. 評価フレームワークの再構築

静的な回答精度だけでなく、以下のレイヤーでの評価を提案しました。

• コンポーネントレベル: 個々のツール呼び出しや検索の精度。
• 経路レベル (Trajectory-level): 推論の論理的整合性、進捗率 (Progress Rate)、情報の有効性 (EIR)。
• システムレベル: 最終タスク完了、コスト、レイテンシ、堅牢性。

3. 主要な貢献 (Key Contributions)

1. 初の統一的枠組みの提供: Agentic RAG を「逐次意思決定システム」として初めて形式的に定義し、静的 RAG との明確な境界線（反復制御、動的検索、ツール媒介、状態永続性）を引きました。
2. 包括的な分類体系の確立: 計画戦略、検索オーケストレーション、メモリパラダイム、ツール協調に基づいた多次元分類表の作成。
3. システム設計のブループリント: 再利用可能な設計パターンとモジュール構成を提示し、信頼性の高いシステム構築のための指針を提供しました。
4. リスクと評価の分析: 従来の評価指標の限界を指摘し、経路レベルの評価指標を提案。さらに、ハルシネーションの増幅、メモリ汚染、ツール誤用などの構造的リスクを特定しました。
5. 将来の研究課題の提示: 安定した適応的検索、形式的な推論評価、メモリ耐性、コスト意識オーケストレーション、信頼性較正という 5 つの博士研究レベルの課題を提起しました。

4. 分析結果と知見 (Results & Findings)

• 自律性の本質: Agentic RAG は単なる「検索の反復」ではなく、LLM が環境と対話し、メモリを更新し、ツールを呼び出す「制御方策」を持つシステムです。
• トレードオフの存在: 検索の深さや推論の複雑さを増すと、精度は向上する可能性がありますが、トークンコスト、レイテンシ、エラー伝播のリスクも指数関数的に増加します（例：マルチエージェント協調はトークン増幅が激しい）。
• 評価の欠陥: 現在のベンチマークは最終結果のみを評価するため、間違った論理で正解にたどり着くケースや、無限ループに陥るリスクを見逃しています。
• 安全性の脆弱性: 反復的な検索プロセスは、プロンプトインジェクション（検索された文書内の悪意あるコードによる制御乗っ取り）やメモリ汚染（過去のセッションに悪意ある記憶を埋め込む）に対して極めて脆弱です。

5. 意義と将来展望 (Significance)

本論文は、Agentic RAG 分野の成熟に向けた重要なマイルストーンです。

• 学術的意義: 断片化された研究を統一的な理論（POMDP）と分類体系の下にまとめ、研究の再現性と比較可能性を向上させました。
• 実用的意義: 産業応用において、単なるプロトタイプから信頼性が高く、スケーラブルなシステムを構築するための設計指針（モジュール化、検証ループ、コスト管理）を提供します。
• 社会的意義: 医療、法務、金融など高リスク分野での AI 導入において、ハルシネーションや安全性の問題を構造的に解決するための道筋を示しました。

結論として、 本論文は Agentic RAG を「プロンプトエンジニアリングの拡張」ではなく、「制御理論、形式検証、システム工学を統合した逐次意思決定システム」として再定義し、信頼性の高い自律型知識システムの構築に向けたロードマップを提示しています。