标签
本文介绍了鲁棒模糊性检测（RAD）框架，该框架利用模型空间和特征空间的一致性度量来量化预测模糊性，并指导机器学习模型进行弃权预测。
本文提出了Archive，一个用于开放域问答中歧义检测的框架，利用逻辑冲突区分歧义与答案多样性，并引入了包含4,703个查询的基准QuireQA。实验表明，Archive将F1最高提升21.6%，同时比竞争对手快16倍。
DiscoBench 是一个新基准，用于评估基于 LLM 的搜索代理能否主动识别用户查询中的歧义、提出澄清性问题，并通过多轮交互恢复正确的推理路径。