การอนุมานหลายขั้นตอน

ข้อจำกัดของการตอบคำถามแบบง่าย

การค้นหาข้อเท็จจริงอย่างเช่น "ยอดขายเท่าไหร่" สามารถเสร็จสิ้นได้ในขั้นตอนเดียว แต่คำถามอย่างเช่น "มาตรการที่ผู้รับผิดชอบแผนกที่มียอดขายเติบโตสูงสุดเมื่อเทียบกับปีก่อนได้นำมาใช้คืออะไร" นั้น ไม่สามารถตอบได้หากไม่ผ่านขั้นตอนกลางหลายขั้นตอน ได้แก่ การเปรียบเทียบข้อมูลยอดขาย → การระบุแผนก → การระบุผู้รับผิดชอบ → การค้นหาข้อมูลมาตรการ

Multi-step reasoning หมายถึงแนวทางที่ LLM แยกย่อยคำถามเชิงซ้อนเหล่านี้ภายในและแก้ปัญหาทีละขั้นตอน แม้จะอยู่บนแนวต่อเนื่องจาก Chain-of-Thought (CoT) prompting แต่เมื่อนำมาผสมผสานกับ RAG จะแตกต่างตรงที่มีการแทรกการค้นหาไปยังแหล่งข้อมูลภายนอกในแต่ละขั้นตอน

ความสัมพันธ์กับ Agentic RAG

Agentic RAG สามารถมองได้ว่าเป็นการนำ multi-step reasoning มาใช้งานในรูปแบบ agent loop โดย agent จะตัดสินใจว่า "ควรค้นหาอะไรต่อไป" และวนซ้ำวงจรการค้นหา → การประเมิน → การค้นหาซ้ำ Multi-step reasoning คือรูปแบบการออกแบบกระบวนการคิด ในขณะที่ Agentic RAG คือสถาปัตยกรรมที่นำไปปฏิบัติจริง

การแลกเปลี่ยนระหว่างความแม่นยำและความเร็ว

ยิ่งจำนวนขั้นตอนมากขึ้น ความครอบคลุมของคำตอบก็ยิ่งสูงขึ้น แต่ต้นทุนการอนุมานของ LLM และ latency ของการค้นหาก็สะสมในแต่ละขั้นตอนเช่นกัน ในทางปฏิบัติ การออกแบบส่วนใหญ่จะกำหนดขีดจำกัดสูงสุดของจำนวนขั้นตอน (ประมาณ 3–5 ครั้ง) และหยุดทำงานก่อนกำหนดเมื่อรวบรวมข้อมูลได้เพียงพอแล้ว