DeepEra：用于科学检索增强生成问题的深度证据重排序代理
计算与语言
2026-01-26 v1 人工智能
摘要
随着科学文献的快速增长，科学问答（SciQA）已日益关键，用于探索和利用科学知识。检索增强生成（RAG）通过整合外部来源的知识来增强大语言模型，从而为科学问答提供可信证据。但现有的检索和重排序方法容易受到语义相似但逻辑无关的段落影响，常导致事实可靠性下降并放大幻觉现象。为此，我们提出一种深度证据重排序代理（DeepEra），集成分步推理，使其能够超越表层语义，更精确地评估候选段落。为支持系统评估，我们构建了 SciRAG-SSLI（Scientific RAG - Semantically Similar but Logically Irrelevant），该数据集包含约 30 万个 SciQA 实例，覆盖 10 个学科，源自 1000 万科学语料库。该数据集将自然检索的上下文与系统生成的干扰项结合，以测试逻辑鲁棒性和事实 grounding。全面评估表明，我们的方法在检索性能方面优于领先的重排序器。据我们了解，本工作首次全面研究和实证验证在双阶段 RAG 框架中不可忽视的 SSLI 问题。
引用
@article{arxiv.2601.16478,
title = {DeepEra: A Deep Evidence Reranking Agent for Scientific Retrieval-Augmented Generated Question Answering},
author = {Haotian Chen and Qingqing Long and Siyu Pu and Xiao Luo and Wei Ju and Meng Xiao and Yuanchun Zhou and Jianghua Zhao and Xuezhi Wang},
journal= {arXiv preprint arXiv:2601.16478},
year = {2026}
}