引用失效：定义、分析与高效缓解
计算与语言
2026-04-29 v3
摘要
来自基于大语言模型的检索增强生成（RAG）系统的引用本应简化响应验证。然而，在引用失效情况下，这一目标将受到挑战，即模型生成有帮助的响应，但未生成完整证据的引用。与前期工作不同，本文提出将其与响应失效分离，后者指响应本身存在缺陷，无法引用完整证据。为解决引用失效问题，本工作采用两步方法：（1）研究引用失效发生的情形，（2）探讨其高效缓解方案。步骤一中，我们延续前期工作，考察响应与证据之间的关系对引用质量的影响。引入CITECONTROL基准，系统性地变更该关系，以实现对失效模式的分析。实验表明，随着关系复杂度增加，失效率上升，这表明组合引用方法可能提升性能，激发步骤二的研究。为提升大语言模型的引用能力，本文提出CITENTION框架，集成生成式、注意力式与检索式方法。结果在CITECONTROL及迁移设置中均显示出显著的引用改进。我们将数据与代码公开于网络。
引用
@article{arxiv.2510.20303,
title = {Citation Failure: Definition, Analysis and Efficient Mitigation},
author = {Jan Buchmann and Iryna Gurevych},
journal= {arXiv preprint arXiv:2510.20303},
year = {2026}
}
备注
Accepted to TACL in April 2024. Paper repository: https://github.com/UKPLab/tacl2026-citation-failure