迭代直至检索：Agentic RAG 中可发现的持续更正的事实块优化

复杂的 B2B（企业对企业）环境中的代理检索增强生成 (RAG) 系统通常可能会收到自由格式的响应反馈。我们关注的是可操作的事实纠正，而不是风格、偏好或整体响应质量等通用反馈信号。我们识别这些实例并将它们转换为紧凑的知识库条目，我们称之为事实金块。我们引入迭代块优化 (INO)，这是一种索引时间优化方法，使用生产代理 RAG 作为测试工具：它创建一个初始块，使用触发查询和释义对其进行探测，反映失败的检索和答案跟踪，并修改该块直到可发现。我们通过使用我们系统的多家公司的两个生产 B2B 知识援助代理来评估 INO：一个是回答有关公司特定知识库的问题的产品支持代理，另一个是协助支持工程师的支持票代理。 INO 在自动和人工评估中的可发现性和事实更正的使用方面不断改进结果。