本研究提出了SIM-RAG框架，旨在提升多轮检索增强生成系统的自我意识和检索能力。通过自我实践，系统能够更好地判断信息的充分性，从而优化检索决策。实验结果表明，SIM-RAG在多个基准测试中表现优异，显著提高了系统和数据的效率。

本研究提出了一种名为SimRAG的自我训练方法，旨在提升通用检索增强生成系统在科学和医学领域的表现。通过生成相关问题和筛选高质量样本，SimRAG在11个数据集上的表现优于基线模型1.2%至8.6%。