超越事实 grounding：面向意见感知检索增强生成的论述
人工智能
2026-04-15 v1 计算与语言
信息检索
摘要
检索增强生成 (RAG) 系统已改变 LLM 如何获取外部知识的方式，但我们发现当前实现对事实、客观内容存在偏差——这一点从既有基准和数据集中优先事实检索的证据表明。这种事实偏差——将意见和多元视角视为噪声而非需要综合的信息——限制了 RAG 系统在涉及主观内容的真实场景中的应用，从社交媒体讨论到产品评论。超越技术限制，此偏差还对透明和负责任的 AI 构成风险：强化主导观点的回声室效应、对少数声音的系统性欠representation，以及通过有偏信息综合潜在的意见操纵。我们通过不确定性视角为此限制形式化：事实查询涉及可通过证据降低的认识论不确定性，而意见查询涉及反映人类视角真实异质性的 aleatoric 不确定性。此区别暗示事实 RAG 应最小化后验熵，而意见感知 RAG 必须保持其水平。建立在此理论基础之上，我们提出了意见感知 RAG 架构，包括 LLM 基于意见提取、关联意见图谱和意见丰富文档索引。我们在电商卖家论坛数据上进行评估，将意见丰富知识库与传统基线进行比较。实验显示，检索多样性显著提升：情感多样性提升 26.8%，实体匹配率提升 42.7%，作者人口统计覆盖率提升 31.6%。我们的结果提供了实证证据，证明将主观性作为一等公民对待可实现可衡量的检索改进——这是意见感知 RAG 的重要一步。未来工作包括联合优化检索与生成以实现分布层面保真。
引用
@article{arxiv.2604.12138,
title = {Beyond Factual Grounding: The Case for Opinion-Aware Retrieval-Augmented Generation},
author = {Aditya Agrawal and Alwarappan Nakkiran and Darshan Fofadiya and Alex Karlsson and Harsha Aduri},
journal= {arXiv preprint arXiv:2604.12138},
year = {2026}
}
备注
13 pages, Preprint under review