论文页面 - 面向持续文档编写的知识拉取请求

来源：https://huggingface.co/papers/2609.26634

摘要

我们提出知识拉取请求框架，这是一种面向持续文档编写的框架，使每次变更都可解释。文档需要随着来自其他来源、语言或时间的新知识出现而不断修订，但现有方法要么不记录知识变化进行编辑，要么完全重新生成。知识拉取请求通过提取主张、过滤并路由到章节，标记与现有内容的冲突，将新知识整合到文档中，生成变更日志，将知识变化与文本变化分离。我们在跨语言修订维基百科和更新基于查询的报告时对知识拉取请求进行了评估。与从来源重写或完全重新生成相比，知识拉取请求能整合更多信息并更好地保留现有内容，同时在生成的每个代币中添加最多信息。经知识拉取请求修订的文章在支持问答方面也优于前沿搜索模型，后者无法呈现仅在其他语言中记录的知识。

查看 arXiv 页面 (https://arxiv.org/abs/2609.26634)查看 PDF (https://arxiv.org/pdf/2609.26634)GitHub0 (https://github.com/alexmartin1722/kpr)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.26634)

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2609.26634 以从本页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.26634 以从本页面链接。

引用此论文的 Spaces0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2609.26634 以从本页面链接。

包含此论文的收藏夹0

无收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)以从本页面链接。