证据账本裁决：实现主张-证据可追溯性

# 用于声明-证据可追溯性的证据账本裁决
来源：https://arxiv.org/html/2607.26512
Yongjie Yu 卡内基梅隆大学  
Weiling Wang 雪城大学

2026年6月26日

###### 摘要

AI 智能体生成声明的速度，可能比作者核验所引用或检索到的证据是否支持这些声明更快。本文研究证据账本裁决：一种声明-证据可追溯性工作流，它将每条声明与一个证据包配对，分配一个支持关系，并将缺乏支持、被反驳或证据混杂的声明路由回作者。实证核心是一个包含 2,335 行的盲测基准，基于 AVeriTeC、CLIMATE-FEVER 和 SciFact 中的独立外部标签构建。金标准关系和来源证据标签在预测阶段保持隐藏，仅在评分阶段合并。在该基准上，智能体证据账本条件达到了 0.676 的关系准确率和 0.601 的宏平均 F1，而最佳非智能体基线为 0.383 的准确率和 0.303 的宏平均 F1。此外，该条件将金标准标签为反驳、证据缺失或证据混杂的 1,435 条声明中的 1,270 条进行了路由，同时只路由了 900 条受支持声明中的 295 条。这些结果表明，证据账本裁决可以将异构的证据包转化为 AI 辅助写作中可审计的可追溯性层。

## 1 引言

AI 辅助写作正在改变研究交流中的瓶颈。语言模型可以快速生成文献综述、声明草稿和引文形态的文本，但作者仍需要判断现有证据是否支持每一条声明。这个问题是实质性的，而非表面修饰：一句流利的句子可能缺乏支持、受到反驳，或仅被其引用的证据部分证实。审稿人往往在问题已经影响稿件的清晰度和可信度之后，才迟迟发现这些问题。

本文研究 AI 辅助写作中用于声明-证据可追溯性的证据账本裁决。该工作流记录一条声明、其证据包、预测的支持关系、作者审阅路由标志、置信度和简短理由。输出旨在供作者在声明仍处于成形阶段时阅读：受支持的声明可以留在草稿中，而缺乏支持、被反驳以及证据混杂的声明会被路由至修订、补充证据检索或删除。

核心实证问题是，这个面向作者的工作流能否跨独立标注的声明验证来源迁移。因此，我们使用来自 AVeriTeC (Schlichtkrulle 等人，2023 (https://arxiv.org/html/2607.26512#bib.bib2))、CLIMATE-FEVER (Diggelmann 等人，2020 (https://arxiv.org/html/2607.26512#bib.bib3)) 和 SciFact (Wadden 等人，2020 (https://arxiv.org/html/2607.26512#bib.bib1)) 的外部标签进行评估。由此得到的盲测基准包含 2,335 行测试数据，涵盖真实世界的事实核查、气候声明和科学声明。它使用四种归一化关系：支持、反驳、证据缺失和证据混杂。

我们做出三点贡献。

1. 我们定义了一种证据账本裁决工作流，将声明/证据包转化为明确的支持关系和作者审阅路由。
2. 我们基于 AVeriTeC、CLIMATE-FEVER 和 SciFact 构建了广泛的外部评估协议，金标准关系和来源证据标签在预测阶段保持隐藏。
3. 我们表明，在关系准确率、宏平均 F1 以及需要作者关注的声明的路由召回率上，智能体证据账本条件显著优于始终支持、词法以及 TF-IDF 逻辑回归基线。

## 2 相关工作

### 2.1 外部声明验证基准

SciFact 引入了针对引用文献证据的科学声明验证 (Wadden 等人，2020 (https://arxiv.org/html/2607.26512#bib.bib1))。AVeriTeC 通过来自专业事实核查情境的问答证据和判定标签，扩展了真实世界的声明验证 (Schlichtkrulle 等人，2023 (https://arxiv.org/html/2607.26512#bib.bib2))。CLIMATE-FEVER 聚焦于真实世界的气候声明和人工标注的证据句 (Diggelmann 等人，2020 (https://arxiv.org/html/2607.26512#bib.bib3))。这些数据集对本文很有价值，因为它们的标签是在独立于本工作流的情况下创建的。

### 2.