研究揭示RAG模型遇粗粒度证据直接作答

研究者 S M Rayeed、Charles V. Stewart 与 Yao Ma 发表论文，提出检索增强语言模型（RAG）中的 CLADE 现象：当检索到的段落只提到上位类别、不足以确定细粒度答案时，模型会直接作答，而不是弃答或继续检索。 在 PrimeKG 生物医学问题上，仅含疾病家族名的段落使弃答率比无信息段落低 13.8 个百分点，模型猜测约一半错误；把精确疾病名替换为家族名，比删除该句降低弃答率 17.4 个百分点。研究者将这类情形称为“可解析证据不足”，即文本本身无法确定细粒度答案，但其提到的上位类别可在领域本体中映射到一小组候选答案。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。