Feedback-Driven Retrieval: как итеративно улучшать поиск информации через обратную связь

LLM проваливает поиск не потому что плохо ищет, а потому что изначальный запрос расплывчат. Спрашиваешь «цены на квартиры» — модель не знает интересует тебя аренда или покупка, центр или окраины, динамика или текущие цифры. Пока не увидишь первые результаты — не понимаешь чего именно не хватает. Feedback-Driven Retrieval позволяет получать точные ответы на сложные вопросы через циклы уточнения: модель сама решает когда нужен новый раунд поиска вместо одноразового «найди → ответь». Фишка: модель анализирует первые результаты и переформулирует запрос — второй поиск фокусируется на пробелах из первого раунда. Или модель чувствует неуверенность (низкая вероятность токенов при генерации) и сама триггерит дополнительный поиск. Исследования показали: динамический поиск (модель решает когда искать) точнее фиксированного одноразового.