A Retrieval-Augmented Generation Method for Industrial Documents based on Reinforcement Learning
Este artículo propone RLo-RAG, un modelo de Generación Aumentada por Recuperación de Múltiples Rondas basado en Aprendizaje por Refuerzo y mejorado con LoRA, el cual utiliza una función de recompensa dinámica para recuperar iterativamente fragmentos de documentos de alta relevancia y mejora significativamente la precisión de la recuperación y la calidad de la generación para documentos industriales en comparación con los métodos RAG tradicionales.