STACKFEED：基于反馈的结构化文本演员-评论知识库编辑
人工智能
2025-11-04 v2 机器学习
多智能体系统
摘要
大型语言模型（LLM）常在低资源环境或处理私有数据时生成错误或过时的信息。检索增强生成（RAG）通过外部知识库（KB）解决此问题，但KB本身也可能存在准确性问题。我们提出 STACKFEED，即一种结构化文本演员-评论知识库编辑方法，利用多演员、集中式评论家强化学习框架，基于专家反馈迭代细化KB。STACKFEED 在每个文档上定义 ReACT 演员代理，根据特定针对性指令执行结构化编辑。实验结果表明，STACKFEED显著提升了KB质量与RAG系统性能。我们在低资源编程问题、修改的 Python 包及事实性问答任务上评估了STACKFEED。
引用
@article{arxiv.2410.10584,
title = {STACKFEED: Structured Textual Actor-Critic Knowledge Base Editing with FeedBack},
author = {Shashank Kirtania and Naman Gupta and Priyanshu Gupta and Krishna Kariya and Sumit Gulwani and Arun Iyer and Suresh Parthasarathy and Arjun Radhakrishna and Sriram K. Rajamani and Gustavo Soares},
journal= {arXiv preprint arXiv:2410.10584},
year = {2025}
}