PAVE：面向检索增强型大语言模型的前提感知验证与编辑
计算与语言
2026-04-03 v2 人工智能
摘要
检索增强型语言模型可以在检索到相关证据后仍在明确检查检索上下文是否支持结论之前就提交答案。我们提出 PAVE（Premise-Grounded Answer Validation and Editing），一种用于证据 grounding 问答的推理时验证层。PAVE 将检索的上下文分解为以问题为条件的原子事实，草拟一个答案，评估该草稿受检索前提支持的程度，并在最终确定答案前修订低支持的输出。 resulting trace 使答案承诺在显式前提、支持得分和修订决策层面上可审计。在固定检索器和 backbone 的情况下进行的受控消除实验表明，PAVE 在两个证据 grounding QA 场景中超越了更简单的检索后基线方法，其中最大的提升在以跨度为 grounding 的基准测试中达到 32.7 个 accuracy points。我们认为，这些发现作为显式前提提取加上支持加权修订，能够增强检索增强型 LLM 系统在证据 grounding 一致性方面的证据，堪称一种概念证。
引用
@article{arxiv.2603.20673,
title = {PAVE: Premise-Aware Validation and Editing for Retrieval-Augmented LLMs},
author = {Tianyi Huang and Caden Yang and Emily Yin and Eric Wang and Michael Zhang},
journal= {arXiv preprint arXiv:2603.20673},
year = {2026}
}
备注
Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models