arXiv cs.AI· Federico Mazzoni, Andrea Failla·· 5 小时前AI 评分22
iRAG：面向人在回路决策支持的增量式检索增强生成系统
Incremental Retrieval-Augmented Generation for Human-in-the-Loop Decision Support
AI 导读
研究者提出 iRAG，将 RAG 与混合决策结合，用于知识库初始为空、靠人类决策逐步填充的场景，系统把过往决策存为可检索先例，并从静默观察演进到基于证据的质疑，最终实现带弃权的自主处理。在 10% 漂移下，iRAG 的最终决策错误率与独立基线持平且无检索衰减；在 40% 漂移下，各配置错误率均低于基线。检索衰减能改善变化知识上的表现，但会提高稳定知识上的错误，体现稳定性与可塑性的权衡。
来源：arXiv cs.AI · arxiv.org