연구에서는 사용자 피드백을 활용해 RAG 시스템의 성능을 개선하는 새로운 방법론을 제시했어요. 인간 피드백을 지속적으로 수집하고 통합하여 응답의 정확성과 관련성을 높이는 것을 목표로 합니다.
보조 피드백 RAG 시스템을 전략적으로 통합하고, LLM-as-a-Judge 평가 전략을 활용하여 일반 및 맞춤형 지식 분야의 3가지 벤치마크 데이터세트로 효과를 검증했어요.
이 연구는 RAG 시스템의 피드백 기반 개선 잠재력을 강조하며, 사용자 참여를 통한 자율적인 개선 및 최적화를 위한 중요한 발걸음을 보여줍니다.