grounded-qa

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。

FinRAG-12B 是一款针对银行业检索增强生成（RAG）优化的 120 亿参数大语言模型，具备统一训练框架，可提升回答质量、引用依据的可靠性以及校准后的拒绝回答能力。该模型在引用依据方面优于 GPT-4.1，并已部署于 40 多家金融机构，在成本和延迟方面具有显著优势。