AI Papers Daily

#Question Answering

4 篇

CARA: Causally Guided Retrieval Agent for Question Answering

因果引导的知识图谱检索 Agent 用于问答

🧭 Agent 因果检索 · 知识图谱 QA ★ 深度解读

University of North Carolina at Charlotte

提出 CARA，以证据对回答的因果贡献替代纯文本相似，引导 KG 检索 Agent 并融合多轨迹

📌 工作参考价值（4 点）

• 在电商商品知识图谱或导购 Agent 中，把召回/排序的相似度信号替换或补充为因果相关性评分：对候选商品/证据问“加入它是否实质性改善对用户 query 的回答/推荐，去掉它是否损失关键证据”，可有效过滤“相关但不必要”的商品，减少推荐噪音，尤其适合长尾 query 和复杂约束场景。
• 采用多 Agent 并行探索 + RRF 融合：多个 agent 用不同初始锚点和子查询独立遍历，最后用 reciprocal rank fusion 聚合，比简单的 count-based vote 更鲁棒；可迁移到多策略召回/多路搜索融合，成本可控且提升召回稳定性。
• 聚焦探索与成本控制：因果评估能减少无效 hop 和工具调用，但会引入 LLM 评估延迟；业务落地时可对候选批量评估、只对 top-k 邻居调用因果模块，或用轻量模型/规则做初筛后再评估，在效果与延迟间取平衡。
• 论文在 STaRK 的 AMAZON 电商数据集上验证有效，其 causal prompt 设计（明确“不是文本相似”，给出 0-0.2 无关、0.9-1.0 决定性等评分量表）可直接参考迁移到电商 QA、导购知识库检索等场景。

RAG | 2026-10-15 | cs.IR | score 8/10

Causal RetrievalAgentic RAGKnowledge GraphRRFSTaRKQuestion Answering

CorporateBench: Large-Scale Q&A Benchmarking with Temporal Knowledge Bases

公司基准：基于时序知识库的大规模问答评测基准

🧭 企业级LLM文档QA评测

Epiq AI Labs · Cornell University

提出企业级文档问答基准CorporateBench，用230k+文档与时序知识库保证跨文档一致性，揭示LLM长上下文性能下降

📌 工作参考价值（4 点）

• 可借鉴用「时序知识库 + 合成企业文档」方案低成本构造大规模、多跳、跨文档一致的评测集，尤其适合电商场景中的商品详情、订单日志、客服会话等长文档数据，规避隐私问题。
• 文档-问题比高达87.6的压力测试，能暴露真实RAG/Agent在大量文档下的检索、路由、工具调用瓶颈；建议在业务评测中加入类似高比例多跳问题，而不仅是单文档Extractive QA。
• 其两个评测维度（信息抽取与知识库查询）可迁移为电商知识库Agent的能力分级：从抽取字段到执行SQL/Cypher查询、时间约束推理，验证模型在长上下文下的稳定性。
• 结论提示落地中不能只依赖单模型超长上下文，需结合索引/分片/检索或路由机制，尤其当语料规模超过10万文档时性能下降明显，应配套ragas式证据追踪和一致性校验。

Eval | 2026-08-27 | cs.IR | score 7/10

LLMBenchmarkQuestion AnsweringTemporal Knowledge BaseLong Context

Interpretable Uncertainty for Adaptive Retrieval and Reasoning in Question Answering

面向可解释 QA 的自适应检索与推理不确定性框架

🧭 不确定性估计 · 自适应检索与推理

University of Glasgow

利用 LLM 隐藏状态分解不确定性，以单次前向高效估计，按信号自适应触发 RAG 或推理

📌 工作参考价值（4 点）

• 对话式推荐/客服中的自适应检索：根据用户查询的模型内部不确定性，自动判断是知识不足（触发商品知识库 RAG）还是模糊冲突（启动推理链澄清），避免盲目调用。
• 低延迟在线服务：从隐藏状态单次前向计算不确定性，比多步提示或自一致性方法更轻量，适合高并发推荐问答场景。
• 多策略稳健响应：区分知识缺失与知识冲突，设计不同分支处理（如“查商品” vs “反问用户”），提升 agent 回答的可靠性。
• 用户可感知的置信度：显式的不确定性信号可转化为界面提示（如“正在为你搜索准确信息”），增强用户信任与体验。

RAG | 2026-07-08 | cs.IR | score 7/10

RAGUncertainty EstimationLLMInterpretabilityQuestion Answering

AB-RAG: Adaptive Budgeted Retrieval-Augmented Generation for Reliable Question Answering

AB-RAG：面向可靠问答的自适应预算检索增强生成

🧭 训练无关的自适应预算RAG与置信度估计 ★ 深度解读

Manipal University Jaipur

无需训练、骨干无关的自适应RAG框架，用三信号置信度控制检索深度，实现高低置信答案准确率57.6% vs 0%的分离

📌 工作参考价值（4 点）

• 预算可控的自适应检索框架：可借鉴到需要调用LLM的推荐/搜索系统中，通过置信阈值平衡效果与调用成本，尤其适合按量计费的商业API场景。
• 闭源API的置信度代理：对于无法获取token概率的闭源模型，采用self-consistency（多次采样取众数一致性）作为模型确信度的代理信号，直接可用于线上QA或相似度判断任务。
• 多信号置信度设计思路：模型内部确信度是最强预测信号，检索得分方差可作为检索质量奖励项，而答案-证据嵌入相似度对短文本任务无效——在构建电商/广告的LLM置信判断时，应优先利用内部概率或采样一致性，并警惕语义相似度在短文本场景的失效。
• 选择性预测与成本控制：利用置信度分离高/低质量回答，高置信直接返回，低置信触发额外检索或人工审核，既提升可靠性又控制检索开销，适合对时延和预算敏感的在线推荐系统。

RAG | 2026-06-27 | cs.IR | score 8/10

Adaptive RAGConfidence EstimationSelf-ConsistencyBudgeted RetrievalSelective PredictionQuestion Answering