AI-порталAI-портал

IRCoT

[object Object]

IRCoT — это паттерн, где retrieval не ограничивается прологом к ответу. Вместо схемы "сначала подтащи документы, потом думай" модель чередует reasoning и retrieval прямо по ходу решения. Она делает шаг мысли, понимает, чего не хватает, достаёт ещё контекст, и только потом движется дальше.

В 2026 это одна из самых полезных техник для knowledge-intensive multi-hop QA. Если question decomposes into several factual bridges, одноразовый retrieval часто недотягивает. IRCoT позволяет искать не весь answer заранее, а только следующий недостающий кусок.

IRCoT полезен, когда вопрос нельзя хорошо закрыть одним поиском. Модель должна иметь право уточнять retrieval на каждом reasoning-шаге.

Коротко

IRCoT особенно полезен для:

  • multi-hop вопросов;
  • RAG-задач с несколькими промежуточными сущностями;
  • cases, где первый retrieval даёт лишь половину нужной картины.
ПромптClaude Sonnet 4.6
Реши вопрос в стиле IRCoT: чередуй reasoning и retrieval. На каждом шаге уточняй, какая информация нужна дальше.

Вопрос: какая компания выпустила модель, лежащую в основе инструмента, о котором говорилось в прошлом квартальном отчёте?
Ответ модели

Шаг 1: нужен инструмент из отчёта -> retrieval по отчёту. Шаг 2: найдено имя инструмента, но не модель -> retrieval по документации инструмента. Шаг 3: найдена модель, но нужен вендор -> retrieval по странице модели. Итог: ответ собран через три interleaved шага retrieval.

Смысл техники не в большем количестве документов, а в более точном timing retrieval.

Почему IRCoT сильнее одноразового RAG

Обычный RAG часто работает так:

  1. извлечь top-k фрагментов;
  2. положить их в контекст;
  3. надеяться, что там уже есть всё нужное.

Проблема в том, что для multi-step knowledge questions это часто не так. Первый retrieval может дать только часть графа фактов. IRCoT исправляет именно это: retrieval становится adaptive.

Модель не пытается найти всё сразу. Она ищет ровно тот factual bridge, который нужен на текущем шаге reasoning.

Чем IRCoT отличается от RAT и RwR

RAT и RwR тоже чередуют retrieval с reasoning, но IRCoT особенно фокусируется на multi-step question answering, где retrieval literally interleaves with CoT over several hops.

Практически это означает:

  • reasoning задаёт следующий retrieval query;
  • retrieval обновляет reasoning context;
  • путь строится постепенно, а не одномоментно.
Один retrieval upfront
Система достаёт фиксированный набор документов заранее и пытается построить по ним весь ответ, даже если промежуточный factual bridge отсутствует.
IRCoT
Система делает retrieval по мере развития reasoning: следующий запрос формулируется из предыдущего найденного факта.

Когда техника особенно полезна

IRCoT отлично подходит для:

  • исследовательских assistants;
  • enterprise search по связанным сущностям;
  • product QA по разным слоям документации;
  • open-domain multi-hop questions;
  • аналитики, где каждый следующий шаг зависит от предыдущего найденного факта.

Она слабее там, где вопрос можно закрыть одним точным retrieval hit.

Ограничения

IRCoT дороже обычного RAG:

  • больше retrieval calls;
  • больше orchestration;
  • выше latency.

Кроме того, если модель плохо формулирует next-hop queries, качество retrieval будет плавать. То есть техника требует хорошей query generation discipline.

Почему техника актуальна в 2026

Сейчас многие RAG-системы уже понимают, что "больше top-k" не равно "лучше reasoning". IRCoT важен как следующий шаг: retrieval должен жить внутри reasoning, а не только перед ним.

Это делает технику особенно полезной для систем, где knowledge graph пользователя скрыт в разрозненных документах, отчётах, wiki и внешних источниках.

Техническая реализация

let state = initialQuestion

for (let i = 0; i < maxHops; i++) {
  const need = await model(extractNextInfoNeedPrompt(state))
  const evidence = await retrieve(need.query)
  state = mergeReasoningState(state, evidence)
  if (need.done) break
}

Практический совет: логируйте query -> evidence -> updated state по каждому хопу. Без этой трассы IRCoT трудно дебажить и сравнивать с plain RAG.

Проверьте себя

1. Что отличает IRCoT от обычного RAG?

2. Когда IRCoT особенно полезен?

3. Главный минус IRCoT?

Предыдущая
IFEval
Следующая
Implicit Chain-of-Thought: рассуждения без слов