银证据示范：用目标条件化摘要过滤 RAG 噪声上下文
原文标题：From Noisy Retrieval to Decision Evidence: Silver Evidence Demonstrations for In-Context Learning
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出「银证据示范」方法，将上下文学习示例中的原始检索段落替换为由 LLM 生成的目标条件化证据摘要，以缓解长噪声上下文淹没决策证据的问题。在 EI 2.0、SciFact、合成政策检索与 HICRIC/IMR 四个数据集上，方法在三个数据集上优于同等规模金标 ICL，并在所有标注数据集上提升证据 F1。
- 问题
- RAG 与少样本 ICL 中，决策证据被长噪声上下文淹没，检索段落和示例含冗余干扰信息。
- 方法
- 用 LLM 生成的目标条件化证据摘要替换 ICL 示例中的原始检索段落，测试时一次结构化调用先抽证据再预测标签。
- 结果
- 在 EI 2.0、SciFact、合成政策检索、HICRIC/IMR 四个数据集中三个优于同等规模金标 ICL，所有标注数据集证据 F1 提升。
- 影响
- 给 RAG 工程师一条低成本路线：用摘要式银证据替代原始段落，长噪声文档场景可直接落地。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。