为了解决Retrieval-Augmented Generation中的超参数优化和在线自适应的挑战，研究者提出了AutoRAG-HP框架。该框架将超参数调整问题建模为在线多臂赌博机问题，并引入了一种高效探索大搜索空间的新型两级分层多臂赌博机方法。实验结果表明，基于MAB的在线学习方法可以在具有突出的梯度搜索空间的情况下，仅使用Grid Search方法所需的API调用的约20%，实现Recall@5约0.8的结果。在更具挑战性的优化场景中，所提出的分层多臂赌博机方法优于其他基准方法。