基于检索增强的学习匹配框架 RAL2M：对抗服务系统中的幻觉
计算与语言
2026-01-07 v1 人工智能
摘要
幻觉是 LLM 驱动的服务系统中的主要关切， necessitating 明确的知识 grounding 以实现合规保证的响应。本文引入检索增强学习匹配（RAL2M），一种新型框架，通过将 LLM 重新定位为查询-响应匹配判官于检索-based system 中，提供了纯生成方法的稳健替代方案。为进一步缓解判决幻觉，我们提出一种查询自适应潜在集 ensemble 策略，显式建模异构模型能力和 LLM 之间的相互依赖性，推导出校准的共识决策。大规模基准的实验表明，所提方法有效利用“民智”，显著优于强基准。最后，我们讨论了在未来工作中利用潜在表示的最佳实践和前景方向。
关键词
引用
@article{arxiv.2601.02917,
title = {RAL2M: Retrieval Augmented Learning-To-Match Against Hallucination in Compliance-Guaranteed Service Systems},
author = {Mengze Hong and Di Jiang and Jiangtao Wen and Zhiyang Su and Yawen Li and Yanjie Sun and Guan Wang and Chen Jason Zhang},
journal= {arXiv preprint arXiv:2601.02917},
year = {2026}
}