标签
提出证据状态校准（evidence-state calibration）概念与SuffiCE方法，通过微调模型下一token分布中的置信度，使其随证据变化而准确反映答对概率，在临床诊断和多跳问答上将Brier分数降低最高60%、AUROC提升最高0.16。
本文区分了AI代理行动的许可与证明行动所需的证据，介绍了有机智能协议（OIP）以建立证据边界，并通过最近的一个审计案例研究进行说明。
本文介绍了ClaimReceipt，一种与声明相关的收据规范和验证器，用于验证代理评估中的证据充分性和覆盖范围，并通过历史记录和前瞻性审计的实验进行验证。
本文提出了证据充分性边界训练，以增强基于证据的多跳问答系统中的选择性回答，通过学习在证据不足时何时放弃回答，从而在HotpotQA和MuSiQue等基准测试中改善边界定位并降低无支持答案率。
本文识别了语言智能体在执行多跳推理时的关键失败模式——“上下文稀释”，并引入了SLEUTH，一种明确追踪已确认事实、活跃假设和开放性问题的认知工作记忆，在多个基准测试中展现出持续的性能提升。