arXiv cs.CL· Owen Walters, Lihu Chen, Francesca Toni·· 2 天前AI 评分44
检索到了却没读：搜索增强 LLM 为何用不上已有证据
Retrieved but Not Read: Understanding Why Search-Augmented LLMs Fail to Use Available Evidence
AI 导读
研究发现搜索增强 LLM 常直接依据搜索摘要作答而不打开来源页面，这与更高的过时答案率和引用不实相关。团队用训练截止后发生变化的时间性事实，测试了一个商用模型的联网搜索和六个开放权重模型的受控检索配置，发现证据可用性与实际使用之间存在明显落差。即使检索到的证据已影响模型内部预测，最终答案仍可能偏向过时信息。
正文 · AI 翻译
摘要：网络搜索使 LLM 能够获取最新信息，但为何它们有时即便有相关证据可用，仍会给出过时的答案，这一点仍不清楚。为研究这一问题，我们构建了在模型训练截止时间之后取值发生变化的时间性事实。我们在部署的网络搜索下评估了一个专有模型，并在受控检索下评估了六个开放权重模型配置。我们发现，模型常常仅凭搜索摘要作答而不打开源页面，这与更高的过时答案率和不可靠引用相关。我们的受控实验和逐层分析揭示了证据可用性与其有效利用之间的差距。即便检索到的证据影响了内部预测，模型在最终答案中仍可能偏向过时信息。我们希望这些发现能有助于推进关于在搜索增强型 LLM 中可靠利用检索证据的研究。
| 评论： | 14 页，4 幅图，16 张表。代码与数据：此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；信息检索（cs.IR） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2610.21731 [cs.CL] |
| （或 arXiv:2610.21731v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21731 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Owen Walters [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 11:48:37 UTC（142 KB）
来源：arXiv cs.CL · arxiv.org