论文提出在线证据包含预测，用包含关系减少验证器调用。
资讯摘要
论文提出在线证据包含预测（OECP）：在精确验证前预测候选文本片段是否被证据包含，且每个候选最多查询一次。作者将片段包含关系形式化为三角二维乘积序，从而把该问题转化为不同查询下的在线等渗回归，并分析最坏情况遗憾界；在 Natural Questions 上，包含关系带来演绎增益与学习增益，并在两个骨干模型和 DPR 层级上复现。作者还提出期望搜索空间缩减（ESR）将概率转为决策，在 SciFact、ERASER 和 DPR 层级上减少验证器调用。
要点速读
- 论文将 OECP 形式化为不同查询下的在线等渗回归，并给出最坏情况遗憾界分析。
- 在 Natural Questions 上，片段包含关系带来较大演绎增益和较小学习增益，并在两个骨干模型与 DPR 层级上复现。
- ESR 将预测概率转为决策，在 SciFact、ERASER 和 DPR 层级上减少验证器调用，并在调用预算下优于四个外部选择器。
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 2026/11/3 08:00:27（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。