Com a ascensão de modelos de IA que requerem raciocínio profundo e estruturado, novas metodologias têm sido desenvolvidas para lidar com tarefas que envolvem contextos longos. O Chain-of-Agents (CoA), criado por Google, propõe um sistema colaborativo de múltiplos agentes que processam informações em série, permitindo uma análise mais precisa e eficaz de textos extensos. Por outro lado, a Chain-of-Retrieval Augmented Generation (CoRAG) da Microsoft introduz uma abordagem iterativa de recuperação de informações, otimizando a geração de respostas através de encadeamentos de consultas e respostas.

Os testes realizados demonstram que o CoA supera modelos tradicionais em diversas métricas, incluindo uma melhoria de até 22% em habilidades de compreensão e raciocínio frente a longos textos. Essa vantagem é atribuída à forma como os agentes se comunicam e colaboram, garantindo que nenhuma informação crucial é perdida durante a análise.

1. O CoA se destaca por potencializar a colaboração entre agentes.

2. O CoRAG apresenta uma solução dinâmica para a recuperação de informações.

3. Ambos mostram desempenho superior ao modelo RAG tradicional.

4. O CoA apresenta uma redução do problema conhecido como 'lost-in-the-middle'.

5. O CoRAG permite ajustes na quantidade de passos de recuperação, equilibrando precisão e eficiência.

Enquanto o CoA se confirma como a melhor opção para tarefas envolvendo contextos longos, o CoRAG se revela ideal em cenários que exigem raciocínio multi-hop. Essas inovações não apenas introduzem novas possibilidades para a pesquisa em IA, mas também provocam um debate sobre como esses métodos podem ser implementados em aplicações do mundo real.

Em suma, as metodologias Chain-of-Agents e Chain-of-RAG estão reformulando a forma como abordamos tarefas complexas em IA, oferecendo novas perspectivas sobre como melhorar a precisão e a eficácia dos modelos de linguagem. Para quem deseja se aprofundar mais no assunto, recomenda-se subscrever a newsletters do Turing Post, que traz conteúdos atualizados diariamente sobre as últimas inovações na área.

FONTES:

1. Turing Post

2. Google Research blog sobre Chain of Agents

3. Hugging Face - Chain-of-Retrieval Augmented Generation

4. Hugging Face - Chain-of-Thought Prompting

5. Turing Post - Topic 7: What is LongRAG framework?