JCA方法增强检索增强问答竞争场景可靠性

一项新研究提出了Joint Constraint Aggregation（JCA）方法，旨在解决检索增强问答（RAG）中因检索偏差导致模型选错答案的问题。JCA的核心机制是通过检索证据比较候选答案是否满足问题衍生出的全部要求，而非仅依赖局部支持，从而揭示并缓解局部匹配带来的错误选择风险。 在实验验证中，JCA在三种不同的评估设置和三种指令微调骨干模型上均提升了总体准确率。研究特别指出，当检索系统偏好于竞争答案时，该方法的优势表现得更为显著，证明了其对齐全局要求能有效提升在复杂检索环境下的选择可靠性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。