研究：RAG引用溯源新测量法
热点事件持续更新
研究：RAG引用溯源新测量法
2 篇报道2 个报道来源首报4 小时前更新
先了解这件事
AI 综述
Tanzeel Abbas 等作者提出用反事实值替换法测量检索增强生成（RAG）系统的引用来源：把检索段落中的一个事实替换为错误版本，再向模型重新提问，观察引用是否随之改变。 研究称，在同一模型家族的五个规模及第二个对照家族中，1.2% 至 15.7% 的可引用论断来自参数记忆而非检索上下文，且该比例随模型规模上升。这意味着部分引用并非真正溯源到检索材料。 后续报道还称，标准验证方法在该测量下接近随机。
AI 根据报道生成 · 53 分钟前更新
最新进展11月13日 13:00
研究揭示 RAG 引用常来自参数记忆而非检索上下文，标准验证方法接近随机报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- arXiv · cs.AI 人工智能研究揭示 RAG 引用常来自参数记忆而非检索上下文，标准验证方法接近随机
研究提出用反事实值替换测量 RAG 系统的引用来源：将检索段落中的事实替换为错误变体后重新查询模型，发现在同一模型家族的五个规模及第二个对比模型家族上，1.2% 至 15.7% 的可引用声明来自参数记忆而非检索上下文，且该比例随模型规模上升。
- Papers with Code · arXiv cs.AI研究：RAG 系统引用常来自参数记忆而非检索上下文
研究通过反事实值替换测量检索增强生成系统的引用来源，发现同一模型家族的五个规模及第二个对照家族中，1.2% 至 15.7% 的可引用论断来自参数记忆而非检索上下文，且该比例随模型规模上升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。