论文提出三智能体迭代细化的RAG方法TRIO并公开代码。
资讯摘要
论文针对检索增强生成（RAG）中检索不足与幻觉问题，提出TRIO方法：用查询扩展、判断、回答三个智能体按各自优化目标迭代细化。查询扩展智能体以答案质量提升为奖励；判断智能体用一致性投票标注扩展查询是否充分并据此优化；回答智能体采用动态匹配奖励与课程学习。作者报告在多个基准数据集上实验验证了有效性，代码已公开。
要点速读
- 论文提出TRIO，为RAG设置查询扩展、判断、回答三个智能体并采用迭代细化范式。
- 判断智能体通过一致性投票将扩展查询标注为充分或不充分，标注结果用于优化该智能体。
- 回答智能体使用动态匹配奖励结合课程学习优化；作者报告多基准实验验证有效性，代码已公开。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。