एक अध्ययन पुनर्प्राप्ति वृद्धि निर्माण (RAG) प्रणालियों को परिष्कृत करने के लिए एक विधि का प्रस्ताव देता है जो मानव-जनित इनपुट का लाभ उठाने वाले एक सहायक फीडबैक तंत्र को एकीकृत करती है। यह दृष्टिकोण उपयोगकर्ता की भागीदारी द्वारा संचालित निरंतर, पुनरावर्ती सीखने के माध्यम से प्रतिक्रिया की सटीकता और प्रासंगिकता में सुधार करने का लक्ष्य रखता है।
- प्रणाली एक मानव-इन-द-लूप कार्यान्वयन का उपयोग करती है जहां फीडबैक एकत्र, वर्गीकृत और निष्पादन कार्यप्रवाह में एकीकृत किया जाता है।
- सामान्य और कस्टम डोमेन ज्ञान पर केंद्रित तीन विविध बेंचमार्क डेटासेट के खिलाफ प्रभावशीलता की सत्यापन किया गया।
- प्रदर्शन में सुधार का आकलन करने के लिए मूल्यांकन ने LLM-as-a-Judge रणनीति का उपयोग किया।
फ्रेमवर्क अनुकूलित सूचना पुनर्प्राप्ति तकनीकों में फीडबैक-संचालित सुधारों की संभावता को उजागर करता है।