Research
Agentic RAGを体系化——MDP定式化から信頼性リスクまで網羅したSoK論文
2026/11/03
「Agentic RAG」を初めて体系化したSoK論文が登場
ノースダコタ大学やトレド大学など複数の研究機関に所属する研究者らが、急速に普及しつつあるエージェント型検索拡張生成（Agentic RAG） を初めて統一的な枠組みで整理したSoK（Systematization of Knowledge）論文をarXivに公開した（arXiv:2603.07379）。著者らは、現状のAgentic RAG研究が高度に断片化しており、統一された分類体系も標準的な評価手法も存在しないと指摘したうえで、包括的なロードマップを提示している。
静的RAGの限界とエージェント化の必然性
従来の静的RAGは「クエリを受け取り→固定件数の文書を検索→生成」という決定論的パイプラインで動作する。論文はこの構造に3つの根本的な欠陥があると分析している。
-
検索の不適合とコンテキスト過負荷：初期クエリの埋め込みが最適でない場合、生成モデルは無関係なノイズを条件として受け取ることになる。LLMが長いコンテキストの中間部分の情報を見落とす「lost in the middle」現象も報告されており、過剰な検索結果の注入が推論品質を低下させることがある。
-
適応的修正ループの欠如：単一パスの検索では、複数文書をまたいだ多段推論（マルチホップ推論）に必要な文脈を取得できない。HotpotQAなどのベンチマークが示すように、後の推論ステップに必要な情報が前のステップの中間推論に依存するケースでは、静的検索は本質的に破綻する。
-
エラー伝播：検索フェーズと生成フェーズが完全に分離されているため、LLMは生成途中に不足情報を要求できず、コンテキストが不十分な場合に幻覚（ハルシネーション）を引き起こしやすい。
これらの課題に対し、ReActやToolformer、Reflexionといった先行研究が反復的・計画駆動型検索の基盤を確立。LLMが思考・行動・観察を交互に行いながら自律的に情報を収集するパラダイムが結実したのがAgentic RAGだと論文は位置付けている。
MDPによる形式化：エージェントRAGを逐次意思決定として捉える
本論文の中核的貢献のひとつは、エージェント型検索生成ループを有限水平部分観測マルコフ決定過程（finite-horizon POMDP）として形式化したことだ。この枠組みにより、制御ポリシーと状態遷移を明示的にモデル化し、「どこからが真のエージェント的振る舞いか」という曖昧な境界線を数学的に定義することが可能になるとしている。
具体的には、単なるヒューリスティックなトリガー（例：nトークンごとに検索する）を持つ反復型検索と、計画モジュールを備えた真のAgentic RAGとを区別するための必要十分条件も論じられている。
多次元タクソノミーとモジュール分解
形式化を基盤として、著者らは以下の4軸でAgentic RAGシステムを分類する包括的なタクソノミーを提案している。
- 計画メカニズム：クエリ分解、Plan-and-Solve、Tree-of-Thoughtsなど、どのように推論ステップを組み立てるか
- 検索オーケストレーション：いつ・何を検索するかを動的に決定するポリシー
- メモリパラダイム：短期ワーキングメモリ（コンテキストウィンドウ）と長期エピソード記憶の管理方法
- ツール呼び出し動作：外部APIや検索エンジンをいつ・どのように呼び出すか
さらに、システムをコアコンポーネントと再利用可能な設計パターンに分解し、構築・分析のための体系的な設計図を提供するとしている。
静的評価の限界と新たな評価フレームワーク
論文は従来の評価手法の根本的な問題点も指摘する。静的な「回答の正確性」指標は、Agentic RAGの本質であるマルチステップの推論・検索軌跡を評価できないと著者らは主張する。代わりに、**軌跡レベルの評価（trajectory-level assessment）**へと評価の視点を移すべきだと提案しており、推論と検索の振る舞いを段階的に評価するレイヤー型フレームワークの構築を研究課題として挙げている。
自律ループに内在する信頼性リスク
本論文が特に力を入れているのが、Agentic RAGに固有のシステミックリスクの分析だ。著者らが識別した主要なリスクは以下の通りである。
- 複合的ハルシネーション伝播：誤った生成が後続ステップの検索クエリに影響し、エラーが雪だるま式に増幅されるリスク
- メモリポイズニング：長期記憶に誤情報や敵対的なコンテンツが混入し、後続タスクに悪影響を及ぼすリスク
- 検索のミスアライメント：エージェントが意図しない情報を繰り返し参照し続ける構造的なずれ
- カスケード型ツール実行脆弱性：ツール呼び出しの連鎖がひとつの誤りで壊滅的な結果をもたらす可能性
これらのリスクはAI安全性の観点からも重要であり、従来の静的パイプラインには存在しなかった新たな攻撃面や障害モードを生み出すと論文は警告している。
今後の研究課題
最後に著者らは、信頼性・制御性・スケーラブルなエージェント型検索システムを実現するための研究ロードマップを提示している。主要な課題として挙げられているのは以下の4点だ。
- 安定した適応型検索：環境変化に対してロバストな検索ポリシーの設計
- コスト認識オーケストレーション：推論コストと検索コストをトレードオフしながら最適な行動を選択する仕組み
- 形式的な軌跡評価：エージェントの推論経路を定量的・定性的に評価する手法の確立
- 監視・監督メカニズム：自律ループに対して人間や外部システムが介入・制御できる仕組みの整備
まとめ
Agentic RAGは産業界での採用が急速に進む一方で、学術的な体系化が追いついていないのが現状だ。本SoK論文は、このギャップを埋めることを明示的な目的として設計されており、POMDPによる形式化・多次元タクソノミー・リスク分析・評価手法の刷新という4つの貢献を通じて、分野の標準的な参照文献となることを目指している。信頼性の高いエージェント型AIシステムを設計・評価しようとする研究者・エンジニアにとって、包括的な出発点となる論文といえる。