调 RAG 管线，像在暗箱里烧钱
检索增强生成（RAG）是给大模型接外部知识的主流做法，但搭一条 RAG 管线本身是个昂贵的多目标超参优化问题：从切块方式、嵌入模型，到重排和生成，环环相扣。现有的优化器，从贪心搜索到贝叶斯优化，大多把每次试验压成一个总分就去找更优配置，却不去建模「这次为什么好或不好」——尽管被检索回来的文本块本身，就已经提供了失败发生在检索阶段还是生成阶段的线索。Agentic AutoRAG（arXiv 2610.08452，10 月 6 日提交，被 EMNLP 2026 REALM 与 NeurIPS 2026 ML for Systems 工作坊接收）正是从这条线索入手。
它把优化器做成了一个大模型智能体，做带「检索 vs 生成」失败归因的多目标超参优化。每跑完一次试验，一个诊断器会把每一道失败的题归因到检索或生成；一个提案器则基于一份涵盖模型排名与定价的知识库，选出下一组配置，并在准确率和成本之间权衡，描出一条帕累托前沿。在三条多跳问答基准上，它的 LLM 评审准确率超过了所有对比基线；更关键的是，在前 10 次试验里，它就追平或超过了统计基线跑满 30 次试验的评审准确率。
成本账：省四成还能更准
在真实世界的医疗语料上，它的成本感知模式拿到了 77% 的中位评审准确率，高于表现最好的基线的 71.5%，而成本只有那个基线每次查询的大约 58%；更极致时，它用约 22% 的成本就追平了 71.5%。这意味着 RAG 调参不必再靠无脑堆试验次数，而是让智能体边试边想清楚「败在哪」，把预算花在刀刃上。
对工程团队来说，这篇点破的是一件常被忽略的事：RAG 的失败常常可分阶段定位，而大多数优化器却把阶段信息扔掉了。Agentic AutoRAG 把归因和选配置连起来，等于给调参这件事装上了一套「复盘机制」。它未必终结调参的麻烦，但至少把「为什么这次不行」从玄学变成了可以被智能体利用的信号。