归因梯度：用于批判性检验归因化 AI 回答的逐步展开引文
人机交互
2026-04-06 v2 人工智能
摘要
AI 回答引擎是一种相对新型的信息检索工具：其不同于返回文档排序列表，转而生成针对检索问题的答案并内联引用来源。但阅读被引用来源成本高昂，引文链接本身又提供关于其包含证据的指引。我们提出归因梯度技术，通过统一整合证据量、支持/矛盾摘录、来源链接与情境性解释于一处，来提升引文的可信息性。其第一特性将这些要素集中呈现；第二特性支持对第二层引文的原地解构。在实验研究中，我们展示了在批判性阅读任务中使用完整梯度的效果，以及其对深度参与的支持——读者相较于标准引文与文档问答设计，能从源头中提取更深层次的信息。
引用
@article{arxiv.2510.00361,
title = {Attribution Gradients: Incrementally Unfolding Citations for Critical Examination of Attributed AI Answers},
author = {Hita Kambhamettu and Alyssa Hwang and Philippe Laban and Andrew Head},
journal= {arXiv preprint arXiv:2510.00361},
year = {2026}
}