检索增强学习：基于重试的大型语言模型自监督学习与自主知识生成

本研究解决了大型语言模型在特定领域缺乏数据的问题，提出了一种不需要模型训练的自监督学习框架——检索增强学习（RAL）。通过开发检索增强生成（RAG）模块，研究实现了假设提出、验证和知识生成的三阶段自主知识生成，实验表明该方法有效降低了幻觉现象，提高了决策性能，并展现了在多种任务中的优势和可迁移性。