Un estudio propone una metodología para refinar sistemas de Generación Aumentada por Recuperación (RAG) integrando un mecanismo de retroalimentación auxiliar que aprovecha la entrada generada por humanos. Este enfoque busca mejorar la precisión y relevancia de las respuestas mediante aprendizaje continuo e iterativo impulsado por la interacción del usuario.
- El sistema utiliza una implementación con humano en el bucle donde la retroalimentación se recopila, clasifica e integra en el flujo de trabajo de inferencia.
- La efectividad fue validada contra tres conjuntos de datos de referencia diversos que se centran en conocimiento general y de dominio personalizado.
- La evaluación empleó una estrategia LLM-as-a-Judge para evaluar las mejoras de rendimiento.
El marco destaca el potencial de las mejoras impulsadas por retroalimentación en tecnologías de recuperación de información adaptativa.