QERA：先提问再回答的问题驱动证据推理架构，提升 LLM 上下文学习能力

查看 PDF HTML（实验性）

摘要：AI 助手越来越多地被要求对用户自己的网络痕迹进行推理：群聊、社区帖子、活动日志和修订历史。在 CL-bench Life 这一针对此类真实生活上下文学习的基准上，前沿 LLM 解决的任务不足五分之一。我们发现，请求并不等于规范：该基准中超过 80% 的评分标准与最终请求共享的内容词不足 60%，例如两轮之前的规则集或符合用户标准的每条记录，而直接作答的 LLM 在这些隐式评分标准上仅通过 67%，在其他评分标准上则通过 81%。我们提出 QERA，一种问题驱动的证据推理架构，先提问再作答。QERA 首先将请求转化为需求清单和带类型的信息需求，并由代码过滤以确保忠实于用户原话；然后从整个对话中作答，用经代码核验的引文再次提出同样的问题，并应用带防护的局部修复。它无需训练或评分标准，每个任务约进行四次 LLM 调用。在全部 405 个任务上，使用四个前沿 LLM，QERA 在每个 LLM 上都取得了最高的解决率（平均 21.0%，而三种推理时基线中最强者为 18.2%，直接作答为 14.6%），并且在跨 LLM 汇总时显著领先所有基线，同时使用的 token 少于 PSCI，仅为 Ctx2Skill 的 4-5%。在 GPT-6-Luna 上的消融实验表明，增益在作答之前就已确定，来自固定的作答协议（+3.8 个评分标准分）和针对请求的问题（+1.6），且增益集中在隐式评分标准上，事后检查主要细化数值要求。

提交历史

来自：Jinhu Qi [查看邮箱]
[v1] 2026 年 10 月 26 日星期一 09:26:23 UTC（239 KB）