arXiv cs.AI· Kainan Zhou, Chuhong Xu, Gangzhen Qian, Zhaoyi Li·· 6 天前AI 评分18
面向生成式搜索的 Claim-Gated 来源风险审计
Claim-Gated Source-Risk Auditing for Generative Search
AI 导读
研究提出一种针对查询-来源-答案三元组的 claim-gated 审计规范，仅当关系证据、答案采纳、重要性与披露四项均被观察到时才判定遗漏成立，证据不完整则保持未决而非视为独立。配套参考检查器在合成测试集上复现全部 81 种三态谓词组合，并拒绝 192 条故意构造的畸形记录。作者强调这些是有限契约一致性结果，非检测器准确率，语义效度与部署收益仍需独立标注、留出评估与配对效用测试验证。
正文 · AI 翻译
摘要：生成式搜索答案可以引用一段有支持的段落，却省略了会改变其解读的来源关系。我们规定了对查询-来源-答案三元组的声明门控审计。只有当关系证据、答案采纳、重要性和披露均被观察到时，遗漏才被判定为已解决；不完整的证据保持未解决状态，而不被视为独立。该规范将此终点与引用支持和审查优先级区分开，并将决策绑定到带版本号的证据片段。一个引用检查器使该记录契约可执行。在一个穷举的合成测试套件上，它复现了全部 81 种三态谓词组合，并拒绝了 192 条故意构造的畸形记录。通用防护基线和谓词消融将终点逻辑与缺失证据处理隔离开来，而受控转换则检验支持分离和证据移除。这些是有限的契约一致性结果，而非检测器准确率或用户结果改善的证据。我们定义了仍需进行的独立标注、留出评估和配对效用测试，以确立语义有效性和部署收益。
| 评论： | 7 页，2 幅图，4 张表。已被 IEEE AI2A 2026 接收。作者接受稿。可复现性工件：此 https URL |
| 主题： | 人工智能（cs.AI）；计算复杂性（cs.CC）；计算工程、金融与科学（cs.CE）；新兴技术（cs.ET）；信息检索（cs.IR） |
| 引用为： | arXiv:2609.29145 [cs.AI] |
| （或 arXiv:2609.29145v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.29145 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Kainan Zhou [查看电子邮件]
[v1]
2026 年 9 月 24 日星期四 07:22:14 UTC（267 KB）
[v2]
2026 年 10 月 9 日星期五 05:01:42 UTC（267 KB）
来源：arXiv cs.AI · arxiv.org