Uma Abordagem de Recuperação Adaptativa para Consultas Multi-hop em Arquiteturas RAG.
A integração de Grandes Modelos de Linguagem (LLMs) com bases de dados externas por meio de arquiteturas de Geração Aumentada por Recuperação (RAG) tem ampliado as aplicações da Inteligência Artificial. Contudo, abordagens tradicionais de RAG ainda apresentam limitações na resolução de consultas complexas do tipo multi-hop, que exigem o encadeamento de informações provenientes de múltiplas fontes.
Neste contexto, este trabalho investiga e compara estratégias recentes de RAG voltadas a esse cenário, com ênfase no projeto e implementação de uma nova estratégia de recuperação adaptativa, capaz de se ajustar dinamicamente ao contexto documental e à intenção do usuário. Como contribuição, propõe-se uma arquitetura otimizada para consultas multi-hop, além da construção de um dataset multidisciplinar em português para avaliação dessas abordagens.