从反馈中学习：强化学习如何提升百晓生问答精准度

从反馈中学习：强化学习如何提升百晓生问答精准度

摘要

智能问答系统"百晓生"基于RAG与外挂知识库，专为上门工程师提供质检答疑，日服务超3000人，准确率超90%。其技术从简单问答升级为多轮对话、主动追问、图文混排的复杂智能体。强化学习技术如PPO、DPO、GRPO深度融入系统优化，提升答案稳定性、复杂知识理解及问答速度。通过强化微调（RFT），系统在生成质量、推理效率及稳定性上均显著提升，展现出广阔应用前景。