CoRE учит ИИ сам выбирать правила поиска по базам знаний без разметки

Поиск по структурированным базам знаний годами упирается в одну проблему: чтобы модель находила нужные факты в графе, ей нужно объяснить, по каким правилам идти. Команда авторов статьи arXiv 2610.14465 предлагает метод CoRE (Co-Adaptive Rule Routing and Constraining Retrieval), который учит систему делать это самостоятельно. Он одновременно обучает выбор правила для запроса и поиск доказательств в рамках этого правила, причём без заранее размеченных пар «запрос — правило». Метод проверили на трёх доменах бенчмарка STaRK-QA: научные открытия, биомедицинские рассуждения и управление e-commerce-знаниями.

Почему разметка правил стала узким местом

Существующие подходы делятся на два лагеря. Первые ищут без ограничений: ретривер свободно обходит базу знаний и ранжирует всё подряд, из-за чего в выдачу попадают формально близкие, но неподходящие по смыслу сущности. Вторые опираются на правила, но требуют предопределённой разметки, какое правило отвечает какому запросу. Для научного поиска это правила вроде «автор — статья», для прецизионной медицины вроде «анатомия — препарат».

Проблема в том, что такая разметка редко существует. Её нужно собирать вручную, силами экспертов в конкретной области, и для каждого нового домена всё начинается заново. CoRE снимает это требование: правила остаются в системе как набор ограничений, а вот привязку запросов к правилам модель находит сама.

Два компонента, которые учатся друг у друга

Архитектура состоит из двух частей, жёстко зависящих друг от друга.

• Маршрутизатор правил (router). Получает запрос и выбирает правило. Обучается с подкреплением (reinforcement learning).
• Ретривер с ограничениями. Для выбранного правила обходит базу знаний и ранжирует только то, что удовлетворяет условиям правила. Обучается контрастивно (contrastive learning).

Здесь и возникает курица и яйцо: маршрутизатору нужно знать, насколько хорошо ретривер отработает по правилу, а ретриверу нужны правильные правила, чтобы учиться на них. CoRE решает это чередованием фаз обучения. Правила, выбранные маршрутизатором, служат обучающим сигналом для ретривера. Качество найденных доказательств, в свою очередь, становится наградой для маршрутизатора. Получается замкнутый контур, в котором оба компонента подстраиваются друг под друга без явного контроля на уровне пар «запрос — правило».

Что показали эксперименты

Авторы тестировали метод на датасетах STaRK-QA, охватывающих три области:

• научные открытия (поиск по академическим сущностям вроде авторов и статей);
• биомедицинские рассуждения (связи между анатомией, заболеваниями и препаратами);
• управление знаниями в e-commerce (товарные запросы).

Аблации подтверждают, что именно совместная адаптация роутера и ретривера даёт выигрыш: если разорвать контур, качество падает. Ещё два вывода касаются практики. Маршрутизация на основе генерации (generation-based routing) переносится между датасетами. Лучше всего работает схема, где сначала идёт мультидоменное предобучение, а затем дообучение на целевом наборе данных.

Отдельно авторы отмечают побочный эффект: анализ того, какие правила как часто применяются к запросам, подсказывает, как автоматически уточнять существующие правила и находить новые. Набор правил из статичной конструкции превращается в то, что можно итеративно улучшать по данным.

Где это пригодится

Для команд, которые строят RAG и агентные системы поверх графов знаний, CoRE интересен по трём причинам. Во-первых, он снижает стоимость входа в новый домен: эксперту достаточно описать набор правил, а не размечать запросы под каждое из них. Во-вторых, ограничение поиска правилом сужает пространство кандидатов и делает выдачу объяснимее: можно посмотреть, по какому правилу система пошла и почему. В-третьих, схема с мультидоменным предобучением и последующей доводкой хорошо ложится на корпоративные сценарии, где есть несколько баз знаний с разной структурой.

Ограничения тоже очевидны: метод по-прежнему требует заранее заданного набора правил, а чередующееся обучение с RL обычно капризнее обычного supervised-пайплайна. Тем не менее направление понятное: вместо дорогой разметки связей между запросами и правилами обучать систему самой находить эти связи через качество итогового поиска.