CoRE ensina a IA a escolher sozinha as regras de busca em bases de conhecimento, sem rotulagem

A busca em bases de conhecimento estruturadas esbarra há anos no mesmo problema: para que o modelo encontre os fatos certos em um grafo, é preciso explicar a ele por quais regras seguir. A equipe responsável pelo artigo arXiv 2610.14465 propõe o CoRE (Co-Adaptive Rule Routing and Constraining Retrieval), método que ensina o sistema a fazer isso por conta própria. Ele treina ao mesmo tempo a escolha da regra para a consulta e a busca de evidências dentro dessa regra, sem pares «consulta — regra» rotulados previamente. O método foi testado em três domínios do benchmark STaRK-QA: descobertas científicas, raciocínio biomédico e gestão de conhecimento de e-commerce.

Por que a rotulagem de regras virou gargalo

As abordagens existentes se dividem em dois grupos. O primeiro busca sem restrições: o retriever percorre a base de conhecimento livremente e ranqueia tudo, o que faz entrarem no resultado entidades formalmente próximas, mas inadequadas quanto ao sentido. O segundo se apoia em regras, mas exige uma rotulagem predefinida que diga qual regra corresponde a qual consulta. Na busca científica, são regras como «autor — artigo»; na medicina de precisão, como «anatomia — medicamento».

O problema é que essa rotulagem raramente existe. É preciso montá-la manualmente, com especialistas da área, e para cada novo domínio tudo recomeça do zero. O CoRE elimina essa exigência: as regras continuam no sistema como um conjunto de restrições, mas é o próprio modelo que descobre a associação entre consultas e regras.

Dois componentes que aprendem um com o outro

A arquitetura tem duas partes, fortemente dependentes entre si.

• Roteador de regras (router). Recebe a consulta e escolhe a regra. É treinado com reinforcement learning.
• Retriever com restrições. Para a regra escolhida, percorre a base de conhecimento e ranqueia apenas o que satisfaz as condições dessa regra. É treinado com contrastive learning.

Aqui surge o dilema do ovo e da galinha: o roteador precisa saber quão bem o retriever vai se sair com a regra, e o retriever precisa de regras corretas para aprender com elas. O CoRE resolve isso alternando as fases de treinamento. As regras escolhidas pelo roteador servem de sinal de treinamento para o retriever. A qualidade das evidências encontradas, por sua vez, vira a recompensa do roteador. O resultado é um circuito fechado em que os dois componentes se ajustam um ao outro, sem supervisão explícita no nível dos pares «consulta — regra».

O que mostraram os experimentos

Os autores testaram o método em datasets do STaRK-QA, que cobrem três áreas:

• descobertas científicas (busca por entidades acadêmicas, como autores e artigos);
• raciocínio biomédico (relações entre anatomia, doenças e medicamentos);
• gestão de conhecimento em e-commerce (consultas sobre produtos).

Os estudos de ablação confirmam que o ganho vem justamente da adaptação conjunta do roteador e do retriever: se o circuito é rompido, a qualidade cai. Outras duas conclusões têm relevância prática. O roteamento baseado em geração (generation-based routing) se transfere entre datasets. E o esquema que funciona melhor combina pré-treinamento multidomínio com posterior ajuste fino no conjunto de dados de destino.

Os autores destacam ainda um efeito colateral: analisar quais regras são aplicadas às consultas, e com que frequência, indica como refinar automaticamente as regras existentes e encontrar novas. O conjunto de regras deixa de ser uma estrutura estática e passa a poder ser melhorado de forma iterativa a partir dos dados.

Onde isso pode ser útil

Para equipes que constroem sistemas de RAG e agentes sobre grafos de conhecimento, o CoRE chama atenção por três razões. Primeiro, ele reduz o custo de entrada em um novo domínio: basta o especialista descrever o conjunto de regras, sem precisar rotular consultas para cada uma delas. Segundo, restringir a busca por uma regra reduz o espaço de candidatos e torna o resultado mais explicável: é possível ver qual regra o sistema seguiu e por quê. Terceiro, o esquema de pré-treinamento multidomínio seguido de ajuste fino se encaixa bem em cenários corporativos com várias bases de conhecimento de estruturas diferentes.

As limitações também são evidentes: o método continua exigindo um conjunto de regras definido previamente, e o treinamento alternado com RL costuma ser mais temperamental do que um pipeline supervisionado convencional. Ainda assim, a direção é clara: em vez de investir em rotulagem cara das relações entre consultas e regras, treinar o sistema para encontrar essas relações sozinho, com base na qualidade da busca final.