智能体RAG是否真的检索到更好证据？作者在298个问题上实测对比四种检索方式

作者设计实验测试四种RAG检索方式（普通检索、重排序、多查询、智能体）在298个问题上的表现，使用2000篇arXiv论文作为语料库。智能体检索在top5召回率上比普通检索高1.2个百分点（96.9% vs 95.6%），但置信区间包含零，无法确定显著性；重排序方法在MRR@10上显著提升0.064，且无需调用语言模型。