标签
本文针对土耳其语RAG系统，比较了分块与嵌入策略，并通过多配置系统研究评估了其对文档问答的影响。
论文描述了提交给 WMT 2026 MIST 共享任务的内容，使用 Tiny Aya Global 模型以及为多语言摘要和问答任务专门设计的 QLoRA 适配器。
本文介绍了保形智能搜索（CAS），这是一个利用保形预测来增强搜索代理可靠性的框架，通过在强化学习过程中自适应检索文档和加权策略，从而提高准确性并减少冗余工具调用。
SABET-QA 提出了一个用于时序知识图谱问答的迭代框架，通过双向实体-时序评分和上下文化增强了多跳推理，并在 CronQuestions 和 TimeQuestions 等基准测试中显示出相对于基线的一致改进。
IAR 是一个三阶段后训练框架，将结构化文档知识内化到语言模型中，用于无检索问答，提升特定领域准确性和通用模型性能。
本文提出多模态生成模糊系统（MMGFS），通过模糊推理和多跳推理解决模态偏差和不确定性，以提升多模态问答性能，并在多个基准测试中展示改进。
本文提出了 A-CRC-QA，一种用于选择性问答的事后校准框架，通过渐近风险校准控制已接受答案中的错误率，并在 CoQA 和 MedMCQA 上展示了更好的可靠性与保留率之间的权衡。
This paper introduces Lodestar, a method that uses reinforcement learning to train a short polarizer prompt string that helps a frozen LLM avoid being misled by misleading retrieved passages in RAG question answering. It improves F1 and exact match scores across five QA benchmarks compared to existing entropy-based selection rules.
本文介绍了BEST-KAG，一种面向建筑工程标准问答的多模态知识驱动框架，利用多模态知识图谱和基于图检索的生成技术，提高了条款级可追溯性，并超越了多种大语言模型。
本文研究指令微调如何影响问答任务中的模型置信度与词汇多样性，发现指令微调会改变置信度并降低推理多样性，但并未改善校准性能。
本文评估了基于BERT的问答模型（RoBERTa、ALBERT、DistilBERT）在蒙特卡洛Dropout和输入改写条件下的可靠性，发现RoBERTa更为一致，并验证了MCD作为可靠性指标的有效性。
本文提出了一种自我改进的“研究者智能体”，用于知识图谱上的Text-to-SPARQL问答，该智能体能迭代优化自身的提示和工具。在DBpedia上进行评估，达到了0.22的准确率，并识别出谓词选择是主要瓶颈。
ENTLORE是一个基于图的基准框架，用于企业问答中的潜在组织推理评估，它表明即使拥有黄金文档来源，许多隐式关系问题仍然无法回答。
This paper studies false-presupposition QA (FPQA) methods and shows that methods performing well on false-presupposition questions often degrade accuracy on normal true-presupposition questions, due to weak fact-checking modules that reject valid presuppositions. The authors argue that FPQA benchmarks over-represent false presuppositions and that evaluation should consider real-world QA performance.
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。
RAGOCR 是一种新颖框架，根据输入查询将检索到的文档压缩为紧凑的视觉表示，并利用查询感知的动态分辨率来平衡压缩率与信息保真度。实验表明，其在仅使用八分之一输入 token 的情况下，准确率比朴素 RAG 高出 15% 以上。
The paper proposes QQ, a framework that leverages the intrinsic duality between multi-hop question generation and question answering via bidirectional alignment constraints and contrastive learning, improving question quality on HotpotQA and MuSiQue.
Zero-Mem为LLM智能体引入了一种零Token记忆操作系统，通过保留原始交互轨迹并使用确定性实体-上下文和时间结构，在记忆检索过程中消除了LLM调用和Token消耗。它在长记忆和长上下文问答基准上取得了具有竞争力的性能，同时将记忆操作时间成本降低了57.6%。
本文介绍了 SESA——一种自进化的技能增强搜索代理，它通过工具增强的搜索自我对弈，使任务生成和技能记忆共同进化。它在七个问答基准上相比基线提升了准确率，同时支持无需记忆的部署。