arXiv cs.AI· Hita Kambhamettu, Alyssa Hwang, Philippe Laban, Andrew Head·· 13 小时前AI 评分31
Attribution Gradients：为 AI 答案引用提供可展开的证据梯度
Attribution Gradients: Incrementally Unfolding Citations for Critical Examination of Attributed AI Answers
AI 导读
研究者提出 attribution gradients 技术，将证据计数、支持/反驳摘录、来源链接与上下文解释集中到一处，并支持就地展开二级引用，以提升 AI 答案引擎引用的信息量。在一项实验室研究中，该完整梯度被用于批判性阅读任务，相比标准引用与文档 QA 设计，读者从来源中获得的收获深度有所增加。
正文 · AI 翻译
摘要：AI 答案引擎是一种相对较新的信息搜索工具：它不返回按排名排列的文档列表，而是针对搜索问题生成一个答案，并内联引用来源。但阅读所引用的来源成本高昂，而引用链接本身几乎无法说明其中包含什么证据。我们提出归因梯度（attribution gradients），这是一种通过就地整合线索与信息猎物来提升引用信息量的技术。它的第一个特点是将证据计数、支持/矛盾摘录、来源链接和上下文解释汇集到一处。第二个特点是能够就地展开二级引用。在一项实验室研究中，我们展示了完整梯度在批判性阅读任务中的使用，以及它对深度参与的支撑作用，与标准引用和文档问答设计相比，这增加了读者从来源中获得的深度。
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI） |
| 引用为： | arXiv:2510.00361 [cs.HC] |
| （或本版本的 arXiv:2510.00361v3 [cs.HC]） | |
| https://doi.org/10.48550/arXiv.2510.00361 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hita Kambhamettu [查看电子邮件]
[v1]
2025年10月1日星期三 00:07:28 UTC（1,882 KB）
[v2]
2026年4月3日星期五 00:42:58 UTC（1,262 KB）
[v3]
2026年10月28日星期三 23:22:47 UTC（1,123 KB）
来源：arXiv cs.AI · arxiv.org