Agentic RAG 中共形事实性评估

论文量化了 agentic RAG 中共形过滤的可靠性与信息量权衡。

资讯摘要

论文评估了共形事实性方法在 agentic RAG 中的表现：语言模型策略会自适应发起后续检索或提前终止检索。作者在 HotpotQA、Natural Questions、TriviaQA 上测试 GPT-6 Luna 与 Llama 3.1 8B 六种配置，每种用 60 个固定问题、100 次校准-测试划分和五个共形目标水平。结果显示目标水平越高，完全支持率越高但答案可用性下降；95% 目标下非空回答覆盖率为 17.23%–60.17%。

要点速读

1. 论文在 agentic RAG 中沿用基于检索的相关性打分与生成后共形过滤，并显式刻画自适应检索轨迹。
2. 实验覆盖 GPT-6 Luna 和 Llama 3.1 8B 在 HotpotQA、Natural Questions、TriviaQA 上的六种模型-数据集配置。
3. 95% 目标水平下，非空输出覆盖率为 17.23%–60.17%，声明保留率为 10.72%–43.16%，非空输出中完全支持率为 89.14%–95.56%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。