Talk to Right Specialists: Iterative Routing in Multi-agent Systems for Question Answering
Purdue University(普渡大学);Alibaba(阿里巴巴);Zoom Communication(Zoom通信)
本文提出RIRS框架,通过迭代路由解决多智能体问答中用户无法确定咨询哪个专家及复杂问题需多专家证据的问题,提升回答准确性和效率。
2026-04-06 cs.AI cs.CL cs.MA
An Analysis of Decoding Methods for LLM-based Agents for Faithful Multi-Hop Question Answering
University of Edinburgh(爱丁堡大学)
本文系统分析了ReAct框架与DeCoRe、DoLa、CAD等解码策略的结合对LLM多跳问答忠实度的影响,发现该方法显著提升了下游任务的准确性。
2025-03-30 cs.AI cs.CL
The Dangers of trusting Stochastic Parrots: Faithfulness and Trust in Open-domain Conversational Question Answering
Alana AI(阿兰人工智能公司)
本文研究开放域对话问答中语言对话行为对用户信任的影响,发现词汇对齐等“鹦鹉学舌”行为会提高信任度,但可能掩盖不忠实回答,从而揭示此类系统的潜在危险。
2023-05-25 cs.CL
Faithful Temporal Question Answering over Heterogeneous Sources
Southwest Jiaotong University(西南交通大学);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
本文提出一个面向异构来源的时间问答系统,通过强制执行时间约束、正确处理隐式时间问题并统一利用知识库、文本和网络表格,实现了更忠实的回答,并引入多样化问题生成方法,实验性能优于多种基线。
2024-02-23 cs.CL cs.IR
OCC-RAG: Optimal Cognitive Core for Faithful Question Answering
OCC Team(OCC团队)
提出OCC-RAG,一种通过多上下文多跳合成数据训练的小语言模型,在忠实问答任务中匹配或超越2-6倍规模通用模型。
2026-05-30 cs.CL
Entailer: Answering Questions with Faithful and Truthful Chains of Reasoning
Allen Institute for AI(艾伦人工智能研究所)
我们的目标是一个问答(QA)系统,它可以通过系统的推理链来展示它的答案是如何被它自己的内部信念所暗示的。这样的能力将使我们更好地理解为什么一个模型会产生它所产生的答案。我们的方法是递归地将一个经过训练的后向链模型与一个验证器相结合,该模型能够生成一组包含答案假设的前提,该验证器通过自我查询来检查模型本身是否相信这些前提(以及蕴涵本身)。据我们所知,这是第一个生成多步链的系统,这些链既忠实(答案来自推理)又真实(链反映了系统自己的内部信念)。在使用两个不同的数据集进行评估时,用户判断大多数(70%以上)生成的链清楚地显示了答案是如何从一组事实中得出的-比高性能基线好得多-同时保持了答案的准确性。通过将系统地支持答案的模型信念具体化,新的机会出现了,可以理解模型的信念系统,并在答案错误时诊断和纠正其误解。
2022-10-21 cs.AI cs.CL
CAGE: Cognitive Attribution Graphs for Faithful Inline Citation Generation in Long-Form Question Answering
长格式问答中存在引用不足以支持主张的问题,CAGE提出两阶段框架,先训练认知图归纳模型构建支持子图,再用结构化引用推理模型生成对齐引用,实验证明该方法有效并实现最优性能。
2026-07-29 cs.CL
FARSIQA: Faithful and Advanced RAG System for Islamic Question Answering
Sharif University of Technology(谢里夫理工大学);Iran University of Science and Technology(伊朗科技大学)
针对波斯语伊斯兰问答领域现有RAG系统应对复杂多跳查询能力不足、易产生幻觉的问题,研究团队提出基于FAIR-RAG迭代自适应架构的FARSIQA系统,在IslamicPCQA基准上取得了当前最优性能,为敏感领域的忠实可靠AI系统构建提供了有效方案。
2025-10-29 cs.AI cs.CL cs.IR
Medicines Question Answering System, MeQA
Agencia Española de Medicamentos y Productos Sanitarios (AEMPS)(西班牙药品和健康产品局)
在本文中,我们提出了第一个系统,在西班牙能够回答有关药物供人类使用的问题,称为MeQA(药品问答),由西班牙药品和健康产品局(AEMPS,其西班牙语的首字母缩写)创建的一个项目。提供医疗帮助的在线服务大幅增加,主要是由于COVID-19导致的当前疫情。例如,Doctoralia、Savia或SaludOnNet等网站提供Doctor Answers类型的咨询,患者或用户可以向医生和专家发送问题,并在24小时内收到答案。收到的许多问题都与人用药品有关,大多数问题都可以通过传单得到解答。因此,像MeQA这样能够自动回答这类问题的系统可以减轻这些网站的负担,对这些患者来说也很有用。
2021-11-04 cs.CL
Evaluating Correctness and Faithfulness of Instruction-Following Models for Question Answering
Mila, McGill University(米拉-麦吉尔大学);ServiceNow Research(ServiceNow研究院);Facebook(脸书)
本研究针对问答任务中传统指标无法准确评估检索增强型指令遵循模型的问题,从正确性与忠实性两个维度开展评估,提出更适配的新指标,发现该类模型正确性表现优异但易出现知识幻觉,推动相关评估更全面化。
2024-04-17 cs.AI cs.CL
Does Faithfulness-Guided Alignment Hurt Accuracy? Unlocking Accurate and Faithful Post-Retrieval Reasoning
CRAFT通过强化学习框架提升多跳问答的推理准确性和答案忠实度,结合确定性奖励和判官奖励,增强推理轨迹的可审计性与语义一致性。
2026-07-28 cs.CL cs.LG
A Benchmark Construction and Evaluation Framework for Specialist Domains: Case Study on Defense-related Documents
UNSW Sydney(新南威尔士大学悉尼分校);Cyndr AI
提出DoRA框架,通过合成数据生成和双LLM流水线解决专业领域RAG问答的冷启动问题,在国防文档上显著减少幻觉并提升覆盖率和忠实度。
2026-05-27 cs.CL
Faithfulness-Aware Uncertainty Quantification for Fact-Checking the Output of Retrieval Augmented Generation
ETH Zürich(苏黎世联邦理工学院);MBZUAI(穆斯林人工智能研究所)
本文提出FRANQ方法,通过不同不确定性量化技术区分事实性和检索忠实性,提升RAG输出的事实性检测准确性。
2026-04-29 cs.CL
FiDeLiS: Faithful Reasoning in Large Language Model for Knowledge Graph Question Answering
National University of Singapore(新加坡国立大学);University of Science and Technology of China(中国科学技术大学)
提出FiDeLiS框架,利用知识图谱和逐步波束搜索及Path-RAG模块,提升大语言模型在问答中的推理真实性与可解释性,无需训练即可增强性能。
2025-05-22 cs.AI cs.CL
Healthier LLMs: Retrieval-Augmented Generation for Public Health Question Answering
研究针对大型语言模型在公共卫生问答受幻觉等限制的问题,采用检索增强生成方法,通过扩展基准并系统评估检索与生成选择,比较多种检索方式,引入评判方法,突出检索对可靠公共卫生问答的作用并提供实用指导。
2026-07-09 cs.AI cs.CL cs.LG
From RAG to Agentic RAG for Faithful Islamic Question Answering
Qatar Computing Research Institute, HBKU, Qatar(卡塔尔计算研究中心,HBKU,卡塔尔);College of Humanities and Social Sciences, HBKU, Qatar(人文与社会科学学院,HBKU,卡塔尔);Arab Center for Research and Policy Studies, Qatar(阿拉伯研究中心与政策研究所,卡塔尔);College of Islamic Studies, HBKU, Qatar(伊斯兰研究学院,HBKU,卡塔尔);College of Public Policy, HBKU, Qatar(公共政策学院,HBKU,卡塔尔)
针对LLM在伊斯兰问答中的幻觉与弃权问题,构建双语基准IslamicFaithQA,并提出基于结构化工具调用的智能体RAG框架,显著提升正确性与鲁棒性。
2026-06-23 cs.AI cs.CL
Faithful Embeddings for Knowledge Base Queries
Google Research(谷歌研究院);AWS AI(亚马逊云科技人工智能部门)
理想知识库(KB)的演绎闭包恰好包含KB可以回答的逻辑查询。然而,在实践中,知识库是不完整的和过度指定的,无法回答一些具有真实世界答案的查询。\emph{Query embedding}(QE)技术最近已经被提出,其中KB实体和KB查询在嵌入空间中被联合表示,支持KB推理中的松弛和泛化。然而,本文中的实验表明,QE系统可能不同意演绎推理的答案,不需要泛化或放松。我们解决这个问题,一个新的QE方法,更忠实于演绎推理,并表明,这导致更好的性能复杂的查询不完整的知识库。最后,我们表明,将这个新的QE模块插入到神经问答系统中会导致对最先进技术的实质性改进。
2021-01-29 cs.CL cs.LG stat.ML
Multi-Agent Reasoning with Consistency Verification Improves Uncertainty Calibration in Medical MCQA
Department of Data Science and Analytics(数据科学与分析系)
提出多智能体框架,结合领域专家智能体与两阶段验证及S分数加权融合,在医学MCQA中显著降低校准误差并提升判别能力。
2026-06-05 cs.AI cs.CL cs.LG
DrugClaw and DrugAudit: A Primary-Source-Grounded Agent and Authority-Aware Benchmark for Drug-Information Question Answering
Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida(佛罗里达大学健康结局与生物医学信息学系,医学院);PAMI Research Group, Department of Computer and Information Science, Faculty of Science and Technology, University of Macau(澳门大学科学与技术学院计算机与信息科学系PAMI研究组)
提出多智能体检索增强系统DrugClaw,通过反射驱动状态机查询药物注册与药物警戒知识库,并构建含3772条权威感知基准DrugAudit,在多个基准上取得最优性能。
2026-05-31 cs.CL
SQuAI: Scientific Question-Answering with Multi-Agent Retrieval-Augmented Generation
TU Dresden(德累斯顿理工大学)
SQuAI是一个多智能体检索增强生成框架,通过分解问题、混合检索和自适应过滤,在230万篇论文上提升科学问答的忠实性和相关性,并发布千级基准。
2025-10-17 cs.CL cs.IR
SCAI-QReCC Shared Task on Conversational Question Answering
Amazon(亚马逊)
面向搜索的对话式人工智能(SCAI)是一个既定的场所,它经常关注最近推进对话式搜索领域的工作。SCAI'21是作为一个独立的在线活动组织的,并以会话问答的共同任务为特色。由于所有的参与者团队都尝试了这个任务的答案生成模型,我们确定了在这种情况下的答案正确性评估的主要挑战和目前的研究差距。除了自动评估之外,我们还进行了两个众包实验,以收集答案的可信性和忠实性的注释。由于这个共享的任务,用于评估的原始会话QA数据集进一步扩展了参与者系统产生的替代正确答案。
2022-01-26 cs.CL cs.IR
Evidence-Focused Fact Summarization for Knowledge-Augmented Zero-Shot Question Answering
Yonsei University(延世大学)
针对知识图谱文本化存在的证据密度低、清晰度差的问题,提出EFSum证据聚焦型事实摘要框架,经蒸馏和偏好对齐优化开源大模型为摘要器,可提升大模型零样本问答性能,同时保证摘要有用性与忠实性。
2024-10-09 cs.AI cs.CL cs.LG
Rethinking Faithfulness in LLMs: A Pairwise Context-Sensitive Perspective
Hong Kong Baptist University(香港浸会大学)
针对LLM忠实性评估的不足,提出成对上下文敏感基准PFaithBench,发现模型存在回答偏向,训练数据组成影响忠实性权衡。
2026-10-07 cs.CL cs.LG
Chunking, Retrieval, and Re-ranking: An Empirical Evaluation of RAG Architectures for Policy Document Question Answering
Computer Science (EECS) University of Toledo Toledo, OH, USA
本文通过实证评估,比较了RAG架构在政策文件问答中的有效性,发现Advanced RAG在忠实度上表现更优,但文档分段限制影响多步骤推理。
2026-01-21 cs.AI cs.CL cs.IR
ASTRID -- An Automated and Scalable TRIaD for the Evaluation of RAG-based Clinical Question Answering Systems
Ufonia Limited(乌菲尼亚有限公司);University of York(约克大学)
本文提出ASTRID三元指标(CR、RA、CF)用于自动化评估基于RAG的临床问答系统,其中新指标CF能更好衡量对话场景下的忠实性,并通过200多个真实患者问题及九种LLMs验证其与人类评估的一致性。
2025-07-18 cs.AI cs.CL
Teaching Language Models to Faithfully Express their Uncertainty
University of Amsterdam(阿姆斯特丹大学);Outsystems(Outsystems公司);Instituto de Telecomunicações(电信研究所);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学电信研究所)
针对LLMs不确定性表达不忠实的问题,提出FUT微调方法,通过一致性对齐的修饰语训练,在不改变答案分布下显著缩小忠实性差距,保持QA准确性,且稳健于多种设置。
2025-10-14 cs.CL
Generate, Discriminate, Evolve: Enhancing Context Faithfulness via Fine-Grained Sentence-Level Self-Evolution
The Chinese University of Hong Kong(香港中文大学);Massachusetts Institute of Technology(麻省理工学院)
提出GenDiE自演化框架,通过细粒度句子级生成与判别训练优化LLM上下文忠实度,在LFQA与反事实QA任务中超越基线并具备稳健领域适应能力。
2025-03-03 cs.CL
Equivariant and Invariant Grounding for Video Question Answering
National University of Singapore(新加坡国立大学);University of Science and Technology of China(中国科学技术大学)
视频问答(VideoQA)是回答关于视频的自然语言问题的任务。产生答案需要理解视频中视觉场景和语言语义之间的相互作用。然而,大多数领先的VideoQA模型都是黑箱,这使得回答过程背后的视觉语言对齐变得模糊不清。这种黑盒子的性质要求视觉上的可解释性,它揭示了“模型应该看视频的哪一部分来回答这个问题?”''.只有少数作品提出的视觉解释,在事后的方式,模拟目标模型的回答过程中,通过一个额外的方法。尽管如此,仿真努力忠实地展示回答过程中的视觉语言对齐。而不是事后的可解释性,我们专注于内在的可解释性,使回答过程透明。它的核心是将关键问题线索作为因果场景来产生答案,同时将与问题无关的信息作为环境场景。以因果关系看视频问答,我们设计了一个自我解释的框架,等变和不变的接地可解释的视频问答(EIGV)。具体而言,等变的接地鼓励的答案是敏感的语义变化的因果场景和问题;相反,不变的接地强制的答案是不敏感的环境场景的变化。EIGV通过将它们施加到回答过程中,能够区分因果场景和环境信息,并显式地呈现视觉-语言对齐。在三个基准数据集上进行的大量实验证明了EIGV在准确性和视觉可解释性方面优于领先基线。
2022-07-26 cs.CL
CoDi: Conversational Distillation for Grounded Question Answering
Reality Labs at Meta(元宇宙实验室(Meta旗下));FAIR at Meta(Meta人工智能研究院)
提出对话蒸馏框架CoDi,为约10亿参数的小语言模型合成大规模对话数据,在接地问答任务上达到与人工数据相当的性能,并超越更大规模指令微调模型。
2024-08-20 cs.AI cs.CL
Neural at ArchEHR-QA 2025: Agentic Prompt Optimization for Evidence-Grounded Clinical Question Answering
University of Chicago(芝加哥大学)
本文提出 Neural 系统,通过将临床问答解耦为证据识别与带引用答案合成,并利用 DSPy 的 MIPROv2 自动优化提示和自一致性投票,在 ArchEHR-QA 2025 中以 51.5 分获得第二名,显著超越零样本和少样本提示。
2025-11-06 cs.CL cs.LG
Modeling Multi-hop Question Answering as Single Sequence Prediction
Salesforce Research(赛富时研究院)
解码器融合(Fid)(Izacard和Grave,2020)是一种生成式问答(QA)模型,它利用预先训练的Transformer进行段落检索,并将最先进的技术推向单跳QA。然而,多跳QA的复杂性阻碍了生成式QA方法的有效性。在这项工作中,我们提出了一个简单的生成方法(PathFid),通过明确建模的推理过程来解决多跳问题的答案,扩展任务不仅仅是答案生成。通过线性化支持段落、其关键句子以及最终事实答案的分层推理路径,我们将问题视为单个序列预测任务。为了方便复杂的推理与多个线索,我们进一步扩展了统一的平面表示的多个输入文档的编码交叉通道的相互作用。我们广泛的实验表明,PathFid导致两个多跳QA数据集:HotpotQA和IIRC强大的性能增益。除了性能的提高,PathFid更具有可解释性,这反过来又会产生与基线Fid模型相比更忠实地基于支持段落和事实的答案。
2022-05-18 cs.CL
Explicit Evidence Grounding via Structured Inline Citation Generation
University of the Basque Country (UPV/EHU)(巴斯克大学);IT University of Copenhagen(哥本哈根IT大学)
提出FullCite框架,通过提示生成、约束解码和后处理跨度对齐三种策略生成结构化内联引文,在三个QA基准上评估引文质量和忠实性,发现LLMs虽能识别相关文档但难以精确定位支持性证据跨度。
2026-06-05 cs.CL
Leveraging Structured Information for Explainable Multi-hop Question Answering and Reasoning
University of Texas at Dallas(德克萨斯大学达拉斯分校)
针对大语言模型多跳问答存在推理不准、幻觉及可解释性不足的问题,本研究构建并利用抽取的语义结构图开展推理,在两个基准上提升了问答性能,且生成的结构化解释更受人类青睐。
2023-11-07 cs.CL
Measuring Association Between Labels and Free-Text Rationales
Georgia Institute of Technology(佐治亚理工学院);Allen Institute for Artificial Intelligence(艾伦人工智能研究所);University of Washington(华盛顿大学)
在可解释的NLP中,我们需要忠实的基本原理来反映模型对解释实例的决策过程。虽然以前的工作集中在提取的理由(输入词的子集),我们调查他们较少研究的对应:自由文本自然语言的理由。我们证明了管道,现有的模型忠实提取合理化信息提取风格的任务,不可靠地扩展到“推理”任务,需要自由文本的理由。我们转向模型,共同预测和合理化,一类广泛使用的高性能模型的自由文本合理化,其忠实性尚未建立。我们将标签-理性关联定义为忠诚的必要属性:产生标签和理性的模型的内部机制必须是有意义的相关。我们提出了两个测量来测试这个属性:鲁棒性等价和特征重要性协议。我们发现,国家的最先进的T5为基础的联合模型表现出合理化常识问答和自然语言推理的属性,表明他们的潜力产生忠实的自由文本的理由。
2022-08-29 cs.CL
On Monotonic Aggregation for Open-domain QA
Seoul National University(首尔国立大学);SNU-LG AI Research Center(首尔国立大学-LG人工智能研究中心);LG AI Research(LG人工智能研究院)
本文针对开放域问答中增加知识源反而降低准确率的问题,提出Judge-Specialist框架,通过专家检索阅读与专用语言模型judge选择答案,在Natural Questions上保证单调性并优于现有多源问答方法。
2023-08-08 cs.CL
Retrieval--Reasoning Processes for Multi-hop Question Answering: A Four-Axis Design Framework and Empirical Trends
School of Computing and Information, University of Pittsburgh(计算与信息学院,匹兹堡大学);Google Cloud AI Research(谷歌云人工智能研究)
本文提出四维设计框架,分析多跳问答系统中检索-推理过程的执行计划、索引结构、控制策略和停止标准,揭示有效性、效率与证据忠实度的权衡,并指出结构感知规划、可转移控制策略和鲁棒停止是未来挑战。
2026-01-02 cs.CL
FIND: Toward Multimodal Financial Reasoning and Question Answering for Indic Languages
Indian Institute of Technology Patna(印度理工学院帕纳分校);Microsoft(微软)
本文提出FinVQA基准和FIND框架,针对多语言印度语言金融推理挑战,通过多模态和数值推理提升金融决策准确性。
2026-05-13 cs.CL
Benchmarking LLM Faithfulness in RAG with Evolving Leaderboards
University of Waterloo(滑铁卢大学);Vectara(Vectara公司);Iowa State University(爱荷华州立大学);Stanford University(斯坦福大学)
本文提出FaithJudge框架,利用人工标注幻觉示例改进RAG中LLM幻觉的自动评估,并构建增强型排行榜,在摘要、问答和数据到文本任务上更可靠地基准测试LLM忠实度。
2025-11-06 cs.AI cs.CL
Comprehensive Modeling and Question Answering of Cancer Clinical Practice Guidelines using LLMs
Indian Institute of Technology Madras(马德拉斯印度理工学院);Healthcare Technology Innovation Centre(医疗技术创新中心)
本研究利用大语言模型将癌症临床实践指南建模为图,实现节点分类(准确率最高88.47%)并基于子图路径进行约束问答,以减少幻觉并确保医学事实准确性。
2025-01-23 cs.AI cs.CL cs.LG
Querying Knowledge via Multi-Hop English Questions
Stony Brook University(石溪大学)
知识规范的固有困难和缺乏训练有素的专家是使基于知识表示和推理(KRR)范式的智能系统变得普遍的一些关键障碍。使用自然语言,特别是受控自然语言(CNL)的知识和查询创作是一种有前途的方法,可以使领域专家,谁不是训练有素的逻辑学家,既创建形式知识,又查询它。我们引入了KALM系统(知识创作逻辑机)支持知识创作(以及简单的查询)具有非常高的准确性,这是目前通过机器学习方法无法实现的。本文对KALM的问答方面进行了扩展,并介绍了能够回答更复杂的英语问题的KALM-QA(KALM for问答)。我们发现,KALM-QA在一系列与电影相关的问题上达到了100%的准确率,这些问题被称为MetaQA,其中包含近29,000个测试问题和超过260,000个训练问题。我们将其与已发表的机器学习方法进行了对比,后者远远达不到这一高分。
2019-07-18 cs.AI cs.CL
Reason and Verify: A Framework for Faithful Retrieval-Augmented Generation
本文提出了一种领域特定的RAG框架,通过显式推理和验证机制提升检索增强生成的准确性与透明性,在生物医学问答任务中取得显著性能提升。
2026-03-10 cs.CL
Evidence-Enhanced Triplet Generation Framework for Hallucination Alleviation in Generative Question Answering
针对生成式问答中的幻觉问题,提出证据增强三元组生成框架 EATQA,通过翻转源对和目标标签学习问题、证据与答案的逻辑关系,并在推理阶段蒸馏证据知识,有效提升了证据生成与查询回答能力,缓解了幻觉。
2024-08-27 cs.AI cs.CL
VetScore: Risk-Weighted Fact Verification for Veterinary Long-Form QA with Citations
本研究提出VetScore多步骤评估方法,针对兽医长文本问答,通过评估生成主张的伤害潜力与对引用片段的忠实度计算风险调整分数,经实验验证其与兽医专家评估高度相关且具备可解释性。
2026-08-05 cs.CL
No that's not what I meant: Handling Third Position Repair in Conversational Question Answering
AlanaAI
本文发布了首个对话式问答场景下的大规模第三位置修正数据集Repair-QA,通过训练和评估T5及GPT-3等基线模型,证明接触该数据集能显著提升模型处理TPR的能力。
2023-07-31 cs.CL
Faithful Multimodal Explanation for Visual Question Answering
University of Texas at Austin(德克萨斯大学奥斯汀分校)
人工智能系统解释其推理的能力对其实用性和可信度至关重要。深度神经网络在许多具有挑战性的问题上取得了重大进展,例如视觉问答(VQA)。然而,其中大多数是不透明的黑匣子,解释能力有限。本文提出了一种新的方法来开发一个高性能的VQA系统,可以阐明它的答案与集成的文本和视觉解释,忠实地反映其基本推理的重要方面,同时捕捉可理解的人类解释的风格。广泛的实验评估表明,这种方法的优势相比,竞争的方法与自动评估指标和人类的评估指标。
2019-06-03 cs.CL cs.CV
Towards Faithful Industrial RAG: A Reinforced Co-adaptation Framework for Advertising QA
Tencent(腾讯)
本文提出了一种强化共适应框架,通过图感知检索和证据约束强化学习,提升工业广告问答的准确性、完整性和安全性,减少幻觉率。
2026-02-26 cs.CL
Knowledge Dependency Estimation for Reliable Question Answering
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络安全学院);China Industrial Control Systems Cyber Emergency Response Team(中国工业控制系统网络应急响应团队)
提出Knot方法,通过子集级反事实监督和潜在依赖因子覆盖建模,估计黑盒问答模型对不同知识单元的敏感性,以识别关键知识依赖。
2026-05-27 cs.CL
Localizing and Mitigating Errors in Long-form Question Answering
Technical University of Darmstadt(达姆施塔特工业大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文提出 HaluQuestQA 数据集及错误信息引导的修正方法,通过定位长文本问答中的片段级错误并利用反馈信号修正回答,显著减少错误并提升回答质量。
2025-06-03 cs.CL
P2S: Probabilistic Process Supervision for General-Domain Reasoning Question Answering
P2S通过概率过程监督提升通用领域推理问答性能,利用路径忠实度奖励解决奖励稀疏性问题。
2026-01-28 cs.CL
Multi-Document Financial Question Answering using LLMs
Anvai AI(安维人工智能)
提出两种多文档金融问答方法RAG_SEM和KG_RAG,通过语义标注与知识图谱检索上下文,实验证明两者均显著优于普通RAG。
2024-11-08 cs.CL cs.IR
QA-NatVer: Question Answering for Natural Logic-based Fact Verification
University of Cambridge(剑桥大学)
本文提出QA-NatVer,利用问答和指令微调语言模型预测自然逻辑算子,无需标注数据即可在FEVER少样本设置中超越基线,并展现鲁棒性和可移植性。
2023-10-22 cs.CL
EviScope: Paired Counterfactual Evidence Diagnostics for Faithful and Efficient Grounded Language Models
Indian Institute of Technology Roorkee(印度理工学院鲁尔基分校)
EviScope通过配对反事实证据基准,诊断基于事实的语言模型在证据变化下的忠实性,揭示答案准确性隐藏的接地缺陷,并评估显式证据门控的效能。
2026-09-16 cs.CL
CLIR-Bench: Benchmarking Multimodal Question Answering over Irregular Clinical Time Series
Shandong University(山东大学);University of Auckland(奥克兰大学)
研究针对临床时间序列稀疏、不规则等问题,引入CLIR-Bench基准,通过四阶段流程构建,含6600个问答实例。实验发现现有通用模型处理稀疏临床证据困难,强调需更强不规则时间序列推理方法。
2026-07-14 cs.AI cs.CL
LitTraceQA: A Benchmark for Multi-Stage Grounding and Verification in Scientific Question Answering
University of Waterloo(滑铁卢大学);Amazon(亚马逊公司);City University of Hong Kong(香港城市大学);University of Amsterdam(阿姆斯特丹大学)
该研究提出LitTraceQA基准,用于科学问答的多阶段溯源与验证,提供含多类型证据的问答数据,可评估系统的论文检索、证据溯源及答案准确性,助力生成可验证的科学问答结果。
2026-08-18 cs.CL