研究揭示多跳问答中的事实落地缺口
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两类失败模式的拆分
这项研究把多跳问答系统在单步推理层面的失误拆成两类。一类是检索失败，即回答所需的段落根本没有被系统取回；另一类是抽取失败，即段落已经取回，但其中的关键事实没能被提取出来。作者把后一种情况命名为事实落地缺口。研究在三个标准多跳问答基准上做了测量，结果显示抽取失败占到全部单跳缺陷的接近一半，而这类缺陷在常规检索指标里完全看不出来。也就是说，只看检索命中率的评估方式，会漏掉相当一部分真实存在的推理断点。
检索手段无法补上的缺口
研究测试了多种针对检索环节的干预手段，但抽取失败在这些干预下都没有得到缓解。这一结果意味着，仅靠改进检索存在一个上限，越过这个上限之后，剩下的错误不再属于检索问题。作者据此提出，检索失败与抽取失败是性质不同的两种瓶颈，需要各自对应的解法，而当前的评测实践并没有做这种区分。缺口的严重程度在不同基准和不同题型之间有差异，但抽取失败在所测量的每一个数据集上都会出现，并非个别数据集的偶发现象。
对评测与系统设计的含义
从适用范围看，结论建立在三个标准多跳问答基准之上，针对的是需要跨多份文档组合信息才能作答的复杂问题。对使用这类系统的读者而言，直接含义是：当系统答错时，不能默认归因于没找对文档，还需要判断文档是否已取回、事实是否被正确抽取。对做评测的一方，这意味着在检索指标之外补充针对单步事实抽取的度量，才能看清系统真正的短板所在。该文已被 EMNLP 2026 主会议接收，归档于 Computation and Language、Artificial Intelligence 与 Information Retrieval 分类。
为什么值得看
指出了当前多跳问答系统被忽视的性能瓶颈，为后续模型优化提供了新方向。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。