TRIO：用于检索增强生成（RAG）的任务精炼与个体优化

该研究提出TRIO方法，通过为三个设计良好的Agent配备迭代精炼范式，解决当前RAG检索不足和幻觉问题。 具体地，查询扩展Agent基于改进的答案质量量化奖励，共识投票标注扩展查询是否充分以优化裁判Agent，答案Agent则通过课程学习进行动态匹配奖励优化。 在多个基准数据集上，TRIO相比SOTA方法有效性得到验证。