На arXiv размещён препринт «Token-Efficient Data Reasoning Agents via Adaptive Structuring of Unstructured Data». В нём авторы предлагают agentic data cracking, который адаптивно и спекулятивно структурирует неструктурированные данные как побочный результат рассуждений агента.

Запросы определяют, когда проводить структурирование и какая информация важна. Метод также выходит за пределы текущего вопроса.

Когда агент открывает документ для ответа, отдельный cracking-агент ответвляется от уже загруженного контекста и извлекает обоснованную структуру для связанных будущих запросов. Со временем всё большая доля запросов может покрываться структурированными данными без повторного открытия документа при сохранении точности агента и стоимости, близкой к RAG.

На FanOutQA рассуждение по идеально предварительно структурированному хранилищу оказалось в 28 раз дешевле. В варианте с одним связанным вопросом на исходный вопрос метод снизил стоимость на 53% при сохранении точности.

Проверка утверждений:

  • На arXiv размещён препринт «Token-Efficient Data Reasoning Agents via Adaptive Structuring of Unstructured Data». (подтверждено самой публикацией: доказательство; «Title: Token-Efficient Data Reasoning Agents via Adaptive Structuring of Unstructured Data»)
  • Авторы предлагают agentic data cracking — метод, который адаптивно и спекулятивно структурирует неструктурированные данные как побочный результат рассуждений агента. (подтверждено самой публикацией: доказательство; «We propose agentic data cracking, a method that structures unstructured data adaptively and speculatively as a byproduct of reasoning itself.»)
  • Адаптивность метода означает, что уже заданные запросы определяют, когда проводить структурирование и какая информация важна, а спекулятивность — что оно выходит за пределы текущего вопроса. (подтверждено самой публикацией: доказательство; «Structuring is adaptive because observed queries decide when it happens and what matters, and speculative because it goes beyond the current question.»)
  • Когда агент открывает документ для ответа, отдельный cracking-агент ответвляется от уже загруженного контекста и извлекает обоснованную структуру, полезную для связанных будущих запросов. (подтверждено самой публикацией: доказательство; «Whenever the agent opens a document to answer, a cracking sub-agent forks from the already-loaded context at marginal cost and extracts grounded structure likely to serve related future queries.»)
  • По мере работы всё большая доля запросов может целиком покрываться структурированными данными и обрабатываться без повторного открытия документа, сохраняя точность агента при стоимости, близкой к RAG. (подтверждено самой публикацией: доказательство; «Over time, an increasing share of queries is fully covered by structured data and answered without opening a document, keeping agentic accuracy at close to RAG cost.»)
  • На бенчмарке FanOutQA рассуждение по идеально предварительно структурированному хранилищу оказалось в 28 раз дешевле. (подтверждено самой публикацией: доказательство; «For example, on FanOutQA benchmark, reasoning over an ideal pre-structured store is 28X cheaper, and the gap grows to orders of magnitude as questions fan out over more documents.»)
  • В варианте FanOutQA с одним связанным вопросом на исходный вопрос метод снизил стоимость на 53% при сохранении точности. (подтверждено самой публикацией: доказательство; «On FanOutQA, extended with merely one related question per test question, cracking cuts cost by 53% while preserving accuracy.»)

Первоисточники:

оценка 62.6 · тип research · ревизия 1 · истории st-2khapx