NVIDIA показала agentic‑поиск для RAG
Новый пайплайн NeMo Retriever использует агентный цикл поиска и занял #1 в ViDoRe v3 и #2 в BRIGHT. Для разработчиков это сигнал: RAG начинает переход от «одного запроса» к многошаговому агентному поиску — стоит учитывать это при проектировании retrieval‑систем.
Агент работает по схеме ReAct: модель планирует шаги (think), делает повторные запросы к индексу (retrieve) и постепенно уточняет поиск, разбивая сложные вопросы на несколько простых. В конце документы ранжируются и возвращаются через final_results, а при сбое применяется Reciprocal Rank Fusion. Подход лучше переносится между задачами, но пока значительно медленнее обычного dense retrieval.
🔗 https://huggingface.co/blog/nvidia/nemo-retriever-agentic-retrieval
