CounterRefine：基于答案条件的反证证据检索，用于事实性问答中的推理时知识修复
计算与语言
2026-05-19 v3 人工智能
摘要
在事实性问答中，许多错误并非检索能力的失败，而是承诺的失败：系统检索到了相关证据，却仍然坚持错误的答案。我们提出 CounterRefine，一个轻量级的修复层，用于短形式检索增强生成 (RAG)，将第一个答案视为待测试的假设。给定草稿，CounterRefine 会针对答案条件发出扩展查询，以检索候选特定证据，然后应用受约束的 KEEP 或 REVISE 修订步骤，仅在确定性验证后才接受 proposed 修订。设计上具有局限性：它仅添加一个证据收集 passes 和一个受保护的修订调用，而不取代检索器或构建广泛的代理系统。在完整的 SimpleQA 数据集上，CounterRefine 将匹配的单次 RAG 基线提高了最高 5.8 个正确率点；在完整的 Claude trace 中，仅改变了 5.6% 的输出，其中 180 个有益结果改变和 8 个有害改变。这些发现表明，知识丰富的基础模型应采取的简单但重要的方向：除了获取证据外，还应能够利用证据重新考虑，并在必要时修复自己的答案。
引用
@article{arxiv.2603.16091,
title = {CounterRefine: Answer-Conditioned Counterevidence Retrieval for Inference-Time Knowledge Repair in Factual Question Answering},
author = {Tianyi Huang and Ying Kai Deng},
journal= {arXiv preprint arXiv:2603.16091},
year = {2026}
}
备注
Accepted at the 4th Workshop on Towards Knowledgeable Foundation Models at ACL 2026