DeepTRACE: Auditing Deep Research AI Systems for Tracking Reliability Across Citations and Evidence
Salesforce AI Research(Salesforce AI研究)
针对生成式搜索与深度研究LLM智能体存在的过度自信、来源薄弱等问题,提出DeepTRACE审计框架,从8个维度端到端审计系统的证据推理与归因,评估发现相关系统仍存在片面回复、无支撑表述多等问题。
2025-09-02 cs.AI cs.CL
WebCiteS: Attributed Query-Focused Summarization on Chinese Web Search Results with Citations
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Tencent(腾讯);University of Science and Technology of China(中国科学技术大学)
本文提出中文数据集WebCiteS(含7000条带引用标注),定义查询聚焦摘要任务,并开发细粒度指标自动区分基础性错误与引用错误,评估显示LLM引用来源仍具挑战。
2024-05-29 cs.CL
sui-1: Grounded and Verifiable Long-Form Summarization
ellamind
sui-1通过生成带引用的摘要,解决了大型语言模型摘要不可验证的问题,展示了任务特定训练在引用支持摘要中的优越性。
2026-01-13 cs.AI cs.CL
MPR-CiteG: Enhancing RAG with Multi-Portfolio Retrieval and Citation-Grounded Generation
Chungnam National University(忠南国立大学);Data Intelligence Laboratory(数据智能实验室)
该研究针对生成式AI检索低效与缺来源验证问题,提出双组件MPR-CiteG框架,用多组合检索器高效检索,引用基础生成模块确保输出事实一致且有源可溯,经实验验证其有效性与可靠性,助力构建更可信准确的大语言模型。
2026-07-28 cs.AI cs.DL cs.IR
FinRAG-12B: A Production-Validated Recipe for Grounded Question Answering in Banking
Kasisto;Textualization;NBME
本文提出了一种高效框架,通过数据生成管道和校准拒绝机制,提升银行领域LLM的准确性与合规性,实现7.1个百分点的查询解决率提升。
2026-07-22 cs.AI cs.CL cs.MA
Effective Large Language Model Adaptation for Improved Grounding and Citation Generation
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Google Cloud AI(谷歌云人工智能)
本文提出 AGREE 调优框架,通过自动构建含引用的接地数据并结合测试时主动检索,提升大语言模型回答的事实接地与引用准确性。
2024-04-02 cs.CL
SCALAR: Scientific Citation-based Live Assessment of Long-context Academic Reasoning
MBZUAI(穆罕默德·本·扎耶德人工智能大学);LibrAI;Tsinghua University(清华大学);Alibaba Group(阿里巴巴集团);The University of Melbourne(墨尔本大学)
SCALAR通过基于学术引用的长上下文推理评估框架,评估模型在学术写作中的推理能力,发现多项选择任务能有效区分模型性能,而填空式引用预测任务更具挑战性。
2026-01-22 cs.CL
GRACE: Grounded Adversarial Reasoning over Canadian Law
University of Toronto(多伦多大学);UTOA Computing Analytics Co., Ltd.(UTOA计算分析有限公司);King Mongkut’s University of Technology Thonburi(国王科技大学)
针对法律基准缺乏立场辩护与多条款推理评估的问题,提出GRACE数据集及CLeAR-4B模型,验证了基于法定文本的轻量级法律推理的有效性。
2026-09-22 cs.AI cs.CL
ClinicBot: A Guideline-Grounded Clinical Chatbot with Prioritized Evidence RAG and Verifiable Citations
USC Information Sciences Institute(USC信息科学研究所)
提出ClinicBot系统,通过结构化提取指南、按临床重要性排序证据和多智能体协作,生成准确、可验证的临床回答。
2026-04-11 cs.AI cs.MA
Learning to Ideate for Scientific Impact
TCS Research(塔塔咨询服务研究院)
本研究利用引用归一化影响力作为反馈信号,通过奖励模型和强化学习训练构思生成器,使其在科学发现中产生更高预期影响力的想法。
2026-09-25 cs.AI cs.CL
Lessons from Training Grounded LLMs with Verifiable Rewards
本研究利用GRPO和可验证奖励训练接地LLM,通过两阶段优化提升答案正确性、引用充分性与拒绝质量,实验证明推理增强显著优于仅指令调优。
2025-06-18 cs.CL
Grounded Multimodal Retrieval-Augmented Drafting of Radiology Impressions Using Case-Based Similarity Search
Independent AI Researcher(独立AI研究员)
本文提出一种多模态检索增强生成系统,结合对比图像-文本嵌入、基于案例的相似性检索和引用约束草稿生成,以生成具有临床依据的医学影像印象。
2026-03-18 cs.AI cs.CV q-bio.QM
Re$^2$Math: Benchmarking Theorem Retrieval in Research-Level Mathematics
Fudan University(复旦大学);Fudan University Shanghai Innovation Institute(复旦大学上海创新研究院);Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
Re²Math基准测试旨在评估从部分数学证明中检索工具的能力,通过构建包含层级上下文和可选泄漏控制锚点提示的实例,评估系统在检索文献支持的数学工具时的准确性与适用性。
2026-05-09 cs.AI
Scaling In, Not Up? Testing Thick Citation Context Analysis with GPT-5 and Fragile Prompts
Technische Universität Berlin(柏林工业大学)
本文通过GPT-5测试了厚引用上下文分析中提示支架和框架对解读和词汇的影响。
2026-02-25 cs.AI cs.CL
CRISS: A Retrieval-Augmented AI Chatbot for Assisting Cancer Registrars
University of Missouri(密苏里大学);Missouri Cancer Registry and Research Center(密苏里癌症登记与研究中心);MU Institute for Data Science and Informatics(密苏里大学数据科学与信息学研究所)
CRISS是一种检索增强生成聊天机器人,利用领域知识库和LLM为癌症登记员提供有引文支持的回答,实验表明其优于非RAG方法,并保留人工监督。
2026-09-25 cs.AI cs.CL
Cite Before You Speak: Enhancing Context-Response Grounding in E-commerce Conversational LLM-Agents
Amazon(亚马逊)
针对电商对话购物智能体的幻觉与来源不可验证问题,本文提出引用生成范式及 Multi-UX-Inference 系统,通过自动评估和在线 A/B 测试验证其可提升事实落地、客户信任与参与度。
2025-05-13 cs.AI cs.CL
CrossLex: A Source-Grounded Benchmark for Cross-Jurisdictional Legal Reasoning in Large Language Models
本文提出基于中、加州、德三国法律来源的CrossLex基准测试集,定义三项任务并提出联合评估指标,发现大语言模型在跨司法辖区法律推理上存在不足,旨在推动相关研究。
2026-08-04 cs.CL
Knowing the Form, Not the Function: Automatically Auditing Answer--Authority Decoupling in Legal Benchmarks
Ministry of Justice, Taiwan(台湾法务部)
本文针对法律基准中答案与权威脱钩问题,联合审计四款LLMs在台湾律师考试题上的表现,发现答案与引用行为可独立变化,提出答案与权威联合评估的方法。
2026-08-05 cs.AI cs.CL
Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA
Qatar Computing Research Institute(卡塔尔计算研究所);HBKU(哈马德本·卡尔白大学)
针对大语言模型在伊斯兰问答中易产生幻觉和错误归因的问题,提出基于多智能体工具增强架构的Fanar-Sadiq系统,通过意图感知路由、检索增强教法回答、精确经文引用和确定性计算器,在公开基准上实现高效准确的伊斯兰问答。
2026-06-11 cs.CL
Chaining the Evidence: Robust Reinforcement Learning for Deep Search Agents with Citation-Aware Rubric Rewards
Tsinghua University(清华大学);Zhipu AI(智谱AI)
本文提出引用感知评分框架和组相对策略优化方法,用于提升深度搜索代理的鲁棒性和推理质量。
2026-01-09 cs.CL
Verified Misguidance: Measuring Structural Citation Failures in Search-Augmented LLMs
Department of Artificial Intelligence, Yonsei University(延世大学人工智能系);Department of Computer Science and Engineering, Konkuk University(Konkuk大学计算机科学与工程系);Incheon International Airport Corporation(仁川国际机场公司);Department of Computer Science and Engineering, Ewha Womans University(成均馆女子大学计算机科学与工程系)
针对搜索增强型大语言模型中的引用可信度问题,提出CITETRACE数据集和三维评估框架,发现系统性“验证性误导”模式:模型引用真实可访问来源但存在意图对齐、来源适宜性或答案-来源忠实度缺陷,导致用户面临结构性误导。
2026-05-27 cs.AI cs.CL cs.DL
From Judgments to Issues: Structured Extraction of Legal Reasoning with Citation-Hallucination Control
Quantitative and Digital Law Laboratory(量化与数字法律实验室);CIRSFID - Alma AI, Faculty of Law University of Bologna(CIRSFID - 阿尔玛AI,博洛尼亚大学法学院);Robert Schuman Centre European University Institute(罗伯特·施曼中心欧洲大学研究所)
提出自动化流程,将意大利税务法庭判决分解为法律问题,基于IRAC框架和法律三段论提取结构化XML表示,用通用模型并结合幻觉检测过滤器处理大量判决,经专家验证,为下游应用提供起点。
2026-07-07 cs.AI cs.CL cs.IR
Improving Attributed Long-form Question Answering with Intent Awareness
Allen Institute for AI(艾伦人工智能研究所);Carnegie Mellon University(卡内基梅隆大学);University of Washington(华盛顿大学)
本文提出通过增强模型意图意识来提升长报告生成质量,通过结构化标签方案提取隐含意图,改进零样本生成能力并生成高质量合成数据,实验显示在科学报告生成任务中模型性能平均提升2.9和12.3个百分点。
2026-08-10 cs.AI cs.CL
ProvenAI: Provenance-Native Traces of Evidence in Generated Answers
College of Information Science University of Arizona(信息科学学院亚利桑那大学)
提出ProvenAI框架,将多跳问答透明度分解为答案正确性、引用保真度和每文档影响三个可独立测量的层,通过HotpotQA基准评估揭示引用-影响差距。
2026-06-26 cs.AI cs.CL cs.CR
ResearchQA: Benchmarking Citation-Grounded Question-Answering on Scientific Papers
Khoj Inc.(Khoj公司)
该研究引入ResearchQA基准测试,含多领域多类型问答对,用于科学论文基于引用的问答评估。通过特定方法评估八个模型,发现基于引用指标区分度更高,开放权重模型接近最佳封闭模型准确率且延迟更低,还发布了相关资源。
2026-07-14 cs.CL
Do You Need a Frontier Model as a Citation Verifier? Benchmarking Rubric LLMs for Deep-Research Source Attribution
Commercial Technology and Innovation Office, PricewaterhouseCoopers, U.S.(普华永道商业技术与创新办公室)
研究深度研究系统中引用质量校准问题,用现成LLM对1248个评分决策与黄金标准标签对比,发现较便宜模型有竞争力,校准模型是用引用评分作奖励信号的前提,校准不须最昂贵模型。
2026-07-10 cs.CL
Correct Answers, Unsupported Findings: Evidence Binding in Forensic Reconstruction of LLM Agent Logs
Sungkyunkwan University(成均馆大学)
本研究通过64个AgentDojo案例审计LLM代理日志取证重建,发现仅凭事实一致性不足,需保留显式记录绑定以区分有支撑发现与正确猜测。
2026-10-08 cs.AI cs.CR
BLADE: Better Language Answers through Dialogue and Explanations
University of Florida(佛罗里达大学)
BLADE通过引导学习者接触相关教学资源而非直接提供答案,提升学生对课程资源的导航能力和概念理解。
2026-08-13 cs.CL cs.HC
Verifiable Disaster Storylines and Causal Knowledge Graphs: A Citation-Grounded Pipeline from Heterogeneous Humanitarian Sources
ISI Foundation(ISI基金会);European Commission, Joint Research Centre (JRC)(欧盟委员会联合研究中心);UNICEF(联合国儿童基金会)
该研究提出结合EM-DAT等异构数据源的检索增强生成流程,生成可溯源的灾难故事情节与因果知识图谱,经评估其检索精度高、因果关系忠实,获专家偏好,拟扩展至全EM-DAT目录并公开叙事增强版本。
2026-09-15 cs.AI cs.CL
Point of Order: Action-Aware LLM Persona Modeling for Data-Grounded Civic Deliberation
本文提出一种可复现的流程,将公开Zoom录像转换为带有角色档案和行动标签的发言转录,通过细调LLM提升角色建模效果,显著降低困惑度并提高模拟真实性和一致性。
2026-07-13 cs.AI cs.CL cs.LG
LAQuer: Localized Attribution Queries in Content-grounded Generation
Bar-Ilan University(巴伊兰大学);UNC Chapel Hill(北卡罗来纳大学教堂山分校)
本文提出LAQuer任务,将生成文本中的选定片段局部化归因到对应源片段,通过提示LLM和利用内部表示构建建模框架,在多文档摘要和长文本问答上验证其显著缩短归因文本长度。
2025-06-01 cs.CL
Multi-Disciplinary Dataset Discovery from Citation-Verified Literature Contexts
L3S Research Center(L3S研究所以)
本文提出了一种基于文献引用上下文的数据集发现方法,通过结合大规模引用提取、模式引导识别和大型语言模型,实现了比现有搜索引擎更高的召回率,并揭示了额外高实用性的数据集。
2026-01-08 cs.CL cs.DL cs.IR
CaVe-VLM-CoT: An Interpretable Vision-Language Model Framework
Vector Institute(向量研究所)
提出CaVe-VLM-CoT框架,通过五阶段闭环流水线(提取器、检索器、求解器、引用注入器、验证器)实现证据推理,并引入CaVeScore复合指标评估检索质量、引用忠实度和跨模态基础,在ScienceQA和MMMU上取得性能提升。
2026-06-18 cs.AI
Hallucination-Resistant, Domain-Specific Research Assistant with Self-Evaluation and Vector-Grounded Retrieval
CTO Office, Coherent Corporation(Coherent Corporation 技术总监办公室)
针对大语言模型在文献综述中存在幻觉与引用错误的问题,提出基于有限状态机和向量检索的模块化研究助手RA-FSM,在光子学领域六类任务上表现优于基线,可推广至其他科学领域。
2025-09-25 cs.AI cs.CL
Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering
LEX AI LLC, Kyiv, Ukraine(LEX AI LLC,基耶夫,乌克兰)
研究通过大规模提取和拓扑分析,构建了首个大规模法律引文图,揭示了司法引文结构编码法律领域边界并预测立法重要性。
2026-05-14 cs.CL cs.DL cs.IR
DIASENTINEL: An Auditable Multi-Agent System for Guideline-Grounded Diabetes Risk Screening
Far Eastern Memorial Hospital(远东纪念医院);University of Michigan(密歇根大学);Rutgers University(罗格斯大学);Stevens Institute of Technology(史蒂文斯理工学院)
该研究提出DIASENTINEL多智能体系统,用于基于EHR和ADA指南的2型糖尿病风险筛查与报告,整合多种技术实现可靠可审计的临床决策支持,解决LLM临床应用的幻觉等问题。
2026-09-01 cs.CL
LawCompass: Navigating from Legal QA to Multi-Agent Deep Research with Grounded Evidence
Anhui University(安徽大学);Tsinghua University(清华大学)
LawCompass是一个基于证据的法律助手,通过法律问答、专业检索和深度研究三种功能,实现从标准问答到多智能体深度研究的转变,并保持引用链接以增强可信度。
2026-10-02 cs.CL
Evidence-Grounded Subspecialty Reasoning: Evaluating a Curated Clinical Intelligence Layer on the 2025 Endocrinology Board-Style Examination
January AI;Stanford University(斯坦福大学)
本文提出基于证据的专科推理系统Mirror,在内分泌学考试中超越了现有LLM,展现出高准确率和证据可追溯性。
2026-02-17 cs.AI cs.CL
MedTrust-RAG: Evidence Verification and Trust Alignment for Biomedical Question Answering
College of Computer Science and Technology, Dalian University of Technology(大连理工大学计算机科学与技术学院);Air Force Communications NCO Academy(空军通信NCO学院)
针对生物医学RAG因检索噪声和证据验证不足导致的幻觉问题,本文提出MedTrust-Guided Iterative RAG,通过引用约束、迭代检索验证和MTAM偏好对齐提升事实可靠性。
2025-10-18 cs.AI cs.CL cs.IR
Multimodal Fact-Level Attribution for Verifiable Reasoning
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出MuRGAt基准,用于评估多模态事实归因能力,要求模型在复杂推理中生成明确推理和精确引用,揭示强模型在正确推理下仍易产生幻觉,且增加推理深度或结构化归因会降低准确性。
2026-05-07 cs.AI cs.CL cs.CV
SourceMinds at CheckThat! 2026: NLI-Grounded Citation Auditing in a Multi-Agent Pipeline for Full Fact-Checking Article Generation
University of North Texas(北得克萨斯大学);Texas Academy of Mathematics and Science (TAMS)(德克萨斯数学与科学学院)
针对CLEF 2026 CheckThat!实验室任务3,提出多智能体管道系统,结合证据检索、结构化规划、文章生成、自我批判及引用审核等方法,强调证据选择、结构化生成与生成后引用验证对事实核查文章生成的重要性。
2026-07-31 cs.CL cs.IR
REFACT: Adaptive Fact Restatement for Compact and Faithful Chain-of-Thought Reasoning
Northeastern University(东北大学);Tsinghua University(清华大学)
研究复杂任务中语言模型推理轨迹易偏离上下文的问题,提出REFACT自适应事实重述框架,经两阶段优化,实验证明其能提升长上下文问答等能力,减少令牌消耗,保留更多证据使推理轨迹更优。
2026-07-30 cs.CL
Catching Hallucinated Citations in Video-LLM Question Answering: A Self-Verification Pipeline and Verifier Ablation Study
针对视频-LLM问答中引用幻觉问题,提出自验证流水线,用小型自然语言推理模型作稳定验证器,在对抗性错误前提问题上检测率达79%,并发布相关代码。
2026-08-18 cs.AI cs.CV
The Provenance Gap in Clinical AI: Evidence-Traceable Temporal Knowledge Graphs for Rare Disease Reasoning
Department of Mathematics and Computer Science, University of Southern Denmark(丹麦南方大学数学与计算机科学系);Universitätsmedizin Göttingen(哥廷根大学医学中心)
本文提出HEG-TKG系统,通过时间知识图谱提升临床推理的证据可追溯性,实现100%证据可验证性,同时保证安全性和完整性。
2026-04-18 cs.CL
ILCiteR: Evidence-grounded Interpretable Local Citation Recommendation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
ILCiteR提出基于证据的局部引文推荐任务,利用远距离监督检索与重排序框架,无需模型训练即可推荐论文,增强可解释性。
2024-03-13 cs.CL cs.IR
From Papers to Mechanisms: An Evidence-Grounded Knowledge Substrate for Scientific Language Models
East China University of Science and Technology(华东理工大学);Shanghai Jiao Tong University(上海交通大学);Tencent(腾讯)
针对科学语言模型文献访问碎片化问题,提出证据支撑的机制知识基底MS$^3$,组织文献为证据单元与机制路径,实验证明其提升科学正确性与答案完整性。
2026-10-06 cs.AI
Paper Pilot: A Human-in-the-Loop Expert System for Evidence-Traceable Scientific Manuscript Generation in Applied Sciences
University of Alabama in Huntsville(阿拉巴马大学亨茨维尔分校)
本文提出Paper Pilot,一种应用科学领域可追溯证据的人在环专家系统,通过8个批准门等机制解决AI辅助手稿生成的治理问题,实证验证其可减少引用伪造,将LLM辅助写作定位为受控人机决策支持流程。
2026-09-01 cs.AI
Are Finer Citations Always Better? Rethinking Granularity for Attributed Generation
Johns Hopkins University(约翰霍普金斯大学)
研究探讨了属性生成中引用粒度对模型性能的影响,发现中间粒度(段落级)表现最佳,细粒度引用会破坏语义依赖,粗粒度则引入噪声,需优化粒度以提升属性质量和生成可靠性。
2026-09-22 cs.CL
How Large Language Models Source Brand Reputation Across Languages and Markets
研究LLM在回答品牌问题时引用的网络来源,分析128个品牌在12个市场和13种语言中的167,551条引用,发现85.7%来自第三方,Wikipedia主导11种语言,但市场差异明显。
2026-06-25 cs.CL cs.CY cs.IR
What Current AI Benchmarks Leave Unmeasured: Modality, Search, Citations, and Implications (for Safety Evaluations)
University of Pennsylvania(宾夕法尼亚大学);Stony Brook University(石溪大学)
该研究发现AI基准测试未涵盖模态、搜索等关键因素,以ChatGPT为例对比两种模态及搜索条件,发现这些因素会影响模型准确率、一致性等,主张AI安全评估需纳入这些维度。
2026-10-12 cs.AI cs.HC
A Large-Language-Model Framework for Automated Humanitarian Situation Reporting
ISI Foundation(ISI基金会);UNICEF(联合国儿童基金会)
本文提出了一种基于大型语言模型的自动化框架,用于生成结构化、可解释且可操作的人道主义局势报告,通过多级评估和透明引用链接提高了报告的准确性和实用性。
2025-12-22 cs.CL
Disentangled Representation Learning with Large Language Models for Text-Attributed Graphs
Tsinghua University(清华大学)
针对现有大语言模型处理文本属性图时结构理解不足的问题,提出融合定制化解耦GNN层的DGTL模型,在冻结预训练LLM的前提下提升了任务性能与可解释性。
2024-03-09 cs.CL cs.LG
MERIT: Modular Framework for Multimodal Misinformation Detection with Web-Grounded Reasoning
University of Rochester(罗切斯特大学)
MERIT通过四个专用模块提升多模态虚假信息检测性能,采用GPT-4o-mini在MMFakeBench上取得81.65% F1得分,优于零样本基线,验证了其架构设计的有效性。
2026-04-26 cs.AI cs.CL cs.CV
EmotionAI: A Privacy-Preserving Computational Intelligence Pipeline for Speech-Emotion-Grounded Conversational Analysis
School of Science and Technology, Nottingham Trent University(诺丁汉特伦特大学科学与技术学院)
提出一种完全本地的计算智能流水线,结合语音情感识别与生成式推理,实现隐私保护的对话情感分析,在RAVDESS数据集上达到48.8%准确率,零外部调用。
2026-07-28 cs.AI cs.SD