从二进制 groundedness 到支持关系：面向 AI 输出理解的读者中心分类法

生成式 AI 工具常通过源文档回答问题，例如通过检索增强生成。当前的 groundedness 和幻觉评估主要将答案与其来源之间的关系框架化为二进制（答案要么受支持，要么不受支持）。然而，这掩盖了模型在将证据改写为答案时所执行的句法动作（例如，直接引语与改写）以及解释性动作（例如，归纳与演绎）。这限制了基准测试和面向用户的源头证明界面。我们提出构建一种面向读者的 grounding 框架，将生成语句与源文档之间的 support 关系作为一套分类。我们解释了如何从语言学和语言哲学的先行研究中合成该框架，并通过基准测试和人工标注协议进行评估。这种框架将使界面能够传递不仅指出某主张是否受支持，还能说明其支持方式。