Agentic RAG Continual Learning Knowledge Base Optimization Memory Architecture
摘要

针对复杂 B2B 场景下的代理检索增强生成(RAG)系统,本文聚焦于将自由形式的反馈转化为可操作的事实修正。我们提出“事实片段”概念,将其转化为紧凑的知识库条目,并引入迭代片段优化(INO)方法。该方法利用生产级代理 RAG 作为测试环境,通过创建初始片段、探测查询及改写、反思检索失败轨迹并修订片段,直至其可被发现。在两家公司的产品支持和工单辅助代理评估中,INO 在自动和人工评估中均显著提升了事实修正的可发现性与利用率。

AI 推荐理由

论文核心提出事实片段优化机制,通过迭代修正构建可检索知识库,属于典型的记忆增强与架构优化研究。

研究机构
Mosaic AI 希伯来大学
论文信息
作者 Moshe Hazoom, Gal Patel, Alon Talmor, Tom Hope
发布日期 2026-05-25
arXiv ID 2605.25641
相关性评分 9/10 (高度相关)