HARR：RAG の Retriever を強化学習で育てる

RAG システムで検索器（Retriever）の性能向上を目指す HARR というアプローチを紹介します。

• 従来の Retriever はクエリとドキュメントの類似度を最大化していますが、LLM の最終的な回答品質とのズレがあります。
• 強化学習を用いて Retriever を訓練することで、LLM にとって本当に有用な情報の検索を実現できます。
• この手法により RAG システムの目的関数と実際の効果を一致させることが可能です。

※ Claude Haiku 4.5 による自動要約です。原文を必ず確認してください。