SymRAG：通过自适应查询路由实现高效神经符号检索
人工智能
2025-07-15 v2 计算与语言
信息检索
摘要
当前的检索增强生成系统使用统一处理，导致简单查询消耗与复杂多跳任务相似的资源。我们提出了SymRAG，一个通过实时复杂度和负载评估引入自适应查询路由的框架，以选择符号、神经或混合路径。SymRAG的神经符号方法根据查询特征和系统负载调整计算路径，实现跨多种查询类型的高效资源分配。通过结合语言和结构查询属性与系统负载指标，SymRAG将资源分配与推理需求成比例。在使用Llama-3.2-3B和Mistral-7B模型对2000个查询进行评估（涵盖HotpotQA多跳推理和DROP离散推理）后，SymRAG实现了具有竞争力的准确率（97.6–100.0%精确匹配）和高效的资源利用率（3.6–6.2% CPU利用率，0.985–3.165秒处理时间）。禁用自适应路由使处理时间增加169–1151%，显示了其对于复杂模型的重要性。这些结果表明自适应计算策略对于使用动态路由和神经符号框架的混合AI系统更具可持续性和可扩展性。
引用
@article{arxiv.2506.12981,
title = {SymRAG: Efficient Neuro-Symbolic Retrieval Through Adaptive Query Routing},
author = {Safayat Bin Hakim and Muhammad Adil and Alvaro Velasquez and Houbing Herbert Song},
journal= {arXiv preprint arXiv:2506.12981},
year = {2025}
}
备注
Accepted at 19th International Conference on Neurosymbolic Learning and Reasoning (NeSy 2025)