多跳检索失败预测：基于分数分布的置信度评分方法

Andre Bacellar 于 2026 年 10 月 20 日在 arXiv NLP 领域发表论文，提出一种名为 RCS（检索置信度分数）的方法。该研究指出多跳检索失败在特定子群体中聚集，具有结构可预测性。 RCS 方法基于最多 9 个查询-ANN 结构特征，无需额外调用 LLM 即可计算置信度。实验显示，该方法在 MuSiQue 等 3 个基准上将条件加权准确率（CWAR）从 39.5% 降至 20.6%，并覆盖了 CWAR 从 14.5% 到 62.1% 的五种失败机制。 在对比测试中，RCS 在全部五种条件下相对于八个置信度基线取得了最佳或并列最佳的 AUC-AC 指标。此外，模型在跨数据集迁移中仅损失 0.5pp AUC，证实了该失败机制具备领域无关的结构特性。

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。