Agentic retrieval-augmented generation framework for exploring Bayesian network literature
Abstract
Este trabajo de fin de máster presenta el diseño, la implementación y la evaluación de BN Assistant, un marco de agentic RAG para la exploración de literatura científica sobre redes bayesianas. El crecimiento exponencial de las publicaciones académicas ha hecho que la recuperación y la síntesis efectiva del conocimiento sean cada vez más complejas, especialmente en campos especializados caracterizados por estructuras formales y dependencias complejas. Aunque los LLMs ofrecen potentes capacidades generativas, presentan limitaciones como las alucinaciones y la falta de trazabilidad. Para hacer frente a estos retos, este trabajo propone una arquitectura basada en agentes que amplía los sistemas RAG tradicionales mediante la incorporación de orquestación sensible a la intención, selección dinámica de herramientas y representaciones híbridas del conocimiento. El sistema integra recuperación mediante vectores densos con consultas sobre metadatos estructurados a través de text-to-SQL, lo que permite tanto la comprensión semántica como una trazabilidad bibliográfica precisa. Asimismo, se desarrolla una canalización modular para la ingesta, el preprocesamiento, la segmentación y la generación de embeddings de documentos, con el objetivo de preservar los matices estructurales de la literatura sobre redes bayesianas. El marco resultante, BN Assistant, se evalúa mediante una metodología en varias fases que analiza la precisión de la recuperación, la calidad de la generación, el control…
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.