บทความนี้เปิดเผยเอนจิ้นการเรียนรู้เมตาใหม่ของ Procurize ที่ทำการปรับปรุงเทมเพลตแบบสอบถามอย่างต่อเนื่อง ด้วยการใช้การปรับตัวแบบ few‑shot, สัญญาณการเสริมแรง, และกราฟความรู้ที่มีการอัปเดตตลอดเวลา แพลตฟอร์มจะลดระยะเวลาตอบกลับ, ปรับปรุงความสอดคล้องของคำตอบ, และทำให้ข้อมูลการปฏิบัติตามสอดคล้องกับกฎระเบียบที่เปลี่ยนแปลงไป

บทความนี้สำรวจการผสานการเรียนรู้แบบเสริมแรง (RL) ไปกับแพลตฟอร์มอัตโนมัติแบบสำรวจของ Procurize โดยทำให้แต่ละเทมเพลตแบบสำรวจทำหน้าที่เป็นตัวแทน RL ที่เรียนจากฟีดแบ็ก ระบบจะปรับเปลี่ยนการตั้งคำถาม, การแมปหลักฐาน, และลำดับความสำคัญโดยอัตโนมัติ ผลลัพธ์คือ เวลาตอบเร็วขึ้น, ความแม่นยำของคำตอบสูงกว่า, และฐานความรู้ที่พัฒนาอย่างต่อเนื่องสอดคล้องกับกฎระเบียบที่เปลี่ยนแปลง