大数据统一分析平台Databricks宣布，其最新研究成果“智能体从人类反馈中学习”（ALHF，Agent Learning from Human Feedback）已正式集成至Agent Bricks产品，并在“知识助手”模块率先落地。经Databricks DocsQA公开基准测试验证，ALHF仅用4条专家反馈即可显著提升回答准确率，32条反馈即可将整体质量提升至传统静态基线的4倍以上，为企业级生成式AI的“最后一公里”调优提供了低成本、高效率的新途径。

传统强化学习依赖数值奖励或固定标签，难以捕捉企业独有的业务规则与隐性期望。ALHF让AI智能体能够直接“听懂”专家的自然语言意见，并将其泛化到后续相关对话中。Databricks研究员Kartik Sreenivasan指出：“ALHF把反馈门槛降到了一句话，却能让系统持续进化。”

在面向Databricks官方文档的DocsQA数据集中，研究团队模拟了企业专家点评回答的场景：

• 零反馈时，Knowledge Assistant的回答准确率已与行业领先模型持平；

• 加入32条精简反馈后，“答案完整性”提升12个百分点，“反馈符合度”从11.7%飙升至近80%。

两项指标均显著优于所有静态基线，验证了ALHF的小样本高效学习能力。

两大技术突破：1、智能记忆与检索。系统会自动记录全部历史反馈，并在后续提问中动态匹配最相关的意见，避免“答非所问”。2、精准路由更新。Knowledge Assistant由检索、排序、生成等多模块组成。ALHF能够判断反馈应作用于哪一环节，并针对性调整，而非“一刀切”地重训整个模型。

Analytics8首席技术官Patrick Vinton透露：“借助Agent Bricks，我们在HR助理、技术白皮书问答等复杂场景中，答案准确率提升40%，部署速度提高8倍，且上线后质量仍在持续攀升。”

ALHF目前已内置于Databricks Agent Bricks全线产品。企业客户可联系Databricks客户团队，立即试用Knowledge Assistant及其他用例，体验“可教学”的AI如何重塑生成式AI工作流。

参考资料：https://www.databricks.com/blog/agent-learning-human-feedback-alhf-databricks-knowledge-assistant-case-study