一项研究提出了一种通过整合利用人类生成输入的辅助反馈机制来优化检索增强生成（RAG）系统的方法论。该方法旨在通过用户参与驱动的持续迭代学习来提高响应的准确性和相关性。

  • 该系统采用人在回路实现，其中收集、分类并将反馈集成到推理工作流中。
  • 有效性针对三个侧重于通用和自定义领域知识的多样化基准数据集进行了验证。
  • 评估采用了LLM-as-a-Judge策略来评估性能改进。

该框架突显了反馈驱动增强在自适应信息检索技术中的潜力。