EviCast 可在不逐一运行的情况下预测 RAG 检索配置的净收益。
资讯摘要
论文提出 EviCast 框架，通过干预式证据状态分解预测检索价值：先一次性测量生成器对受控证据状态的响应，再结合各候选检索器的离线证据状态分布，估算端到端净效用及其 95% 置信下界，无需逐一执行所有 RAG 配置。作者报告在冻结评估中，EviCast 对 HotpotQA 全部 14 种检索配置判断正确，预测误差 2.75 F1，诊断生成调用减少 80%；拓扑感知版本 EviCast-T 在 MuSiQue 与 HotpotQA 上判断全部 16 种配置正确，迁移到第三个数据集后 24 种中判断正确 23 种。
要点速读
- EviCast 用共享的生成器响应画像结合各检索器离线证据分布，预测 RAG 净效用与 95% 置信下界，避免执行全部配置。
- 作者报告 HotpotQA 上 14 种配置全部判断正确，预测误差 2.75 F1，诊断生成调用减少 80%。
- EviCast-T 捕捉终端证据与桥接证据的互补性，在 MuSiQue 和 HotpotQA 上 16 种配置全部正确，迁移到第三数据集后 24 种中 23 种正确。
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 2026/11/4 08:00:28（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。