论文用免训练语义树筛选长文档证据，上下文缩短近六成
资讯摘要
论文提出免训练框架，用语义抽象指导证据选择并保留原文作答。它从完整文档一次性生成可复用的语义层级，将节点描述与原文片段关联；查询时通过结构—语义评分和细粒度词法归因选出共享源节点，并与祖先上下文合并以保留结构关系与完整局部文本。作者报告在三个 LongBench 任务上，四个前沿答案模型的平均 QA-F1 比全上下文提示提升 1.72 分，答案上下文长度减少 58.55%。
要点速读
- 论文提出免训练框架，从完整文档单次生成可复用语义层级，节点描述链接到原文片段
- 查询时用结构—语义评分与词法归因选节点，合并祖先上下文保留结构关系
- 作者报告四个模型平均 QA-F1 较全上下文提示提升 1.72 分，上下文长度减少 58.55%
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。