arXiv cs.AI· Federico Mazzoni, Andrea Failla·· 6 天前AI 评分24
iRAG：面向人在回路决策支持的增量式检索增强生成系统
Incremental Retrieval-Augmented Generation for Human-in-the-Loop Decision Support
AI 导读
研究者提出 iRAG，将 RAG 与混合决策结合，针对知识库初始为空、靠人类决策逐步填充的场景，把过往决策存为可检索先例，并从静默观察演进到有证据支撑的质疑，最终实现带弃权的自主处理。
正文 · AI 翻译
摘要：我们提出 iRAG，一个结合检索增强生成（RAG）与混合决策的人在回路决策支持系统。与依赖静态知识库（KB）的传统 RAG 系统不同，我们的方案针对知识库初始为空并随人类决策逐步填充的场景。系统将先前的决策存储为可检索的先例，并从静默观察转向基于证据的争辩，最终转向带弃权的自主处理。与独立基线相比，iRAG 在 10% 漂移下无需检索衰减即可匹配最终决策误差，并在所有配置下将 40% 漂移下的误差降低。检索衰减改善了在变化知识上的性能，同时增加了在稳定知识上的误差，表明存在稳定性—可塑性权衡而非普遍优势。人工监督是工作流的架构性设置；其与真实人类用户的可用性仍有待评估。
| 学科： | 人机交互（cs.HC）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12666 [cs.HC] |
| （或 arXiv:2610.12666v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12666 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Federico Mazzoni [查看电子邮件]
[v1]
2026年10月8日星期四 19:43:03 UTC（1,218 KB）
来源：arXiv cs.AI · arxiv.org