في عالم تكنولوجيا المعلومات الذي يتطور بسرعة، يُعتبر تحسين أنظمة استرجاع المعلومات عن طريق التغذية الراجعة البشرية أمرًا ضروريًا لضمان دقة وكفاءة استجابتها. قدمت دراسة حديثة منهجية مبتكرة لهذ الغرض، حيث تم دمج نظام استرجاع المعلومات المدعوم بالتغذية الراجعة مع نظام رئيسي يُعرف بإسم نظام استرجاع معلومات مُعزز (Retrieval Augmented Generation - RAG).

تسعى هذه الدراسة، التي تتمحور حول تقديم نموذج جديد، إلى تحسين أداء النظام من خلال استراتيجيات تغذية راجعة يتم جمعها وتصنيفها بشكل مستمر. يعتمد هذا النموذج الجديد على مفهوم "البشر في الحلقة"، مما يعني أن ردود فعل المستخدمين يتم دمجها بشكل ديناميكي في سير عمل الاستدلال، وبالتالي يمكن للنظام أن يتعلم ويتطور بصفة دورية من التجارب العملية.

لتحقيق فعالية هذا النهج، تم إجراء اختبارات دقيقة ضد ثلاث مجموعات بيانات متنوعة، مع التركيز على كل من المعرفة العامة والخاصة بالمجالات. استخدمت الدراسة استراتيجية التقييم "LLM-as-a-Judge"، التي تؤكد على إمكانية تحسين الأنظمة وتقليل الأخطاء من خلال الاعتماد على التغذية الراجعة.

تسلط هذه الدراسة الضوء على الإمكانات التحويلية للتحسينات المدفوعة بالتغذية الراجعة في أنظمة استرجاع المعلومات، وتمهد الطريق أمام أبحاث مستقبلية في تقنيات استرجاع المعلومات التكيفية. يمثل هذا العمل خطوة هامة نحو تحسين الأنظمة بشكل مستقل وفعال من خلال التفاعل المستمر مع المستخدمين.