CoRE enseña a la IA a elegir por sí sola las reglas de búsqueda en bases de conocimiento sin anotación

La búsqueda en bases de conocimiento estructuradas lleva años atascada en un mismo problema: para que el modelo encuentre los hechos adecuados en un grafo, hay que indicarle qué reglas seguir. Los autores del artículo arXiv 2610.14465 proponen CoRE (Co-Adaptive Rule Routing and Constraining Retrieval), un método que enseña al sistema a hacerlo por su cuenta. CoRE entrena al mismo tiempo la elección de la regla para cada consulta y la búsqueda de evidencias dentro de esa regla, y lo hace sin pares «consulta — regla» anotados de antemano. El método se probó en tres dominios del benchmark STaRK-QA: descubrimientos científicos, razonamiento biomédico y gestión de conocimiento en e-commerce.

Por qué la anotación de reglas se convirtió en el cuello de botella

Los enfoques existentes se dividen en dos bandos. Los primeros buscan sin restricciones: el retriever recorre libremente la base de conocimiento y ordena todo lo que encuentra, de modo que en los resultados se cuelan entidades formalmente cercanas pero inadecuadas por su significado. Los segundos se apoyan en reglas, pero exigen una anotación predefinida que indique qué regla corresponde a cada consulta. En la búsqueda científica, son reglas como «autor — artículo»; en la medicina de precisión, como «anatomía — fármaco».

El problema es que esa anotación rara vez existe. Hay que recopilarla a mano, con expertos de cada área, y para cada dominio nuevo todo empieza de cero. CoRE elimina este requisito: las reglas permanecen en el sistema como un conjunto de restricciones, pero es el propio modelo quien encuentra la asociación entre consultas y reglas.

Dos componentes que aprenden el uno del otro

La arquitectura consta de dos partes que dependen estrechamente una de otra.

• Enrutador de reglas (router). Recibe la consulta y elige la regla. Se entrena con aprendizaje por refuerzo (reinforcement learning).
• Retriever con restricciones. Para la regla elegida, recorre la base de conocimiento y ordena solo lo que cumple las condiciones de la regla. Se entrena de forma contrastiva (contrastive learning).

Aquí aparece el dilema del huevo y la gallina: el enrutador necesita saber lo bien que funcionará el retriever con una regla, y el retriever necesita reglas correctas para aprender de ellas. CoRE lo resuelve alternando las fases de entrenamiento. Las reglas que elige el enrutador sirven de señal de entrenamiento para el retriever. A su vez, la calidad de las evidencias encontradas se convierte en la recompensa del enrutador. El resultado es un circuito cerrado en el que ambos componentes se ajustan mutuamente, sin supervisión explícita a nivel de pares «consulta — regla».

Qué muestran los experimentos

Los autores probaron el método con datasets de STaRK-QA que abarcan tres áreas:

• descubrimientos científicos (búsqueda sobre entidades académicas como autores y artículos);
• razonamiento biomédico (relaciones entre anatomía, enfermedades y fármacos);
• gestión de conocimiento en e-commerce (consultas de productos).

Los estudios de ablación confirman que la ganancia procede precisamente de la adaptación conjunta del router y el retriever: si se rompe el circuito, la calidad cae. Hay además dos conclusiones de interés práctico. El enrutamiento basado en generación (generation-based routing) se transfiere entre datasets. Y el esquema que mejor funciona es el que empieza con un preentrenamiento multidominio y continúa con un ajuste fino sobre el conjunto de datos objetivo.

Por separado, los autores señalan un efecto secundario: analizar qué reglas se aplican a las consultas y con qué frecuencia sugiere cómo refinar de forma automática las reglas existentes y descubrir otras nuevas. El conjunto de reglas deja de ser una construcción estática y pasa a ser algo que se puede mejorar de manera iterativa a partir de los datos.

Dónde puede ser útil

Para los equipos que construyen sistemas RAG y agénticos sobre grafos de conocimiento, CoRE resulta interesante por tres razones. Primero, reduce el coste de entrada a un dominio nuevo: al experto le basta con describir un conjunto de reglas, sin anotar consultas para cada una de ellas. Segundo, limitar la búsqueda con una regla reduce el espacio de candidatos y hace los resultados más explicables: se puede ver qué regla siguió el sistema y por qué. Tercero, el esquema de preentrenamiento multidominio seguido de ajuste encaja bien en escenarios corporativos con varias bases de conocimiento de estructura distinta.

Las limitaciones también son claras: el método sigue necesitando un conjunto de reglas definido de antemano, y el entrenamiento alterno con RL suele ser más caprichoso que un pipeline supervised convencional. Aun así, la dirección es clara: en lugar de anotar a un coste elevado los vínculos entre consultas y reglas, entrenar al sistema para que encuentre esos vínculos por sí mismo a través de la calidad de la búsqueda final.