TeaRAG: эффективный по токенам агентурный фреймворк генерации с дополненным поиском

RAG-системы расходуют до 60% токенов на «шумный» текст и избыточные рассуждения агента — это не баг, а отсутствие механизма фильтрации информации и контроля эффективности. Метод TeaRAG позволяет получать более точные ответы (+2-4%) при работе с большими документами, одновременно сокращая расход токенов в 2.5 раза. Вместо подачи сырого текста модель получает структурированную выжимку ключевых фактов (через граф связей) + явную инструкцию решать задачу за минимум шагов. Модель перестает тонуть в информационном шуме и зацикливаться на лишних рассуждениях — точность растет, а расход падает.