研究：角色分工 QA 中理由传递究竟带来什么
原文标题：What Do Rationales Communicate? A Message-Intervention Study in Role-Specialized QA
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出消息干预诊断，固定证据与候选答案，仅改变从推理者传给验证者的理由。在 MuSiQue 等 400 个样本上，忠实理由几乎不提升答案准确率，但被污染的理由会强烈改变支持判断（10-22%，显式检查提示下升至 34-55%）。人类审计显示模型会过度信任被污染的理由。
- 问题
- 角色分工问答中推理者传给验证者的理由究竟带来什么。
- 方法
- 消息干预诊断，固定证据与候选答案，仅改变跨角色传递的理由。
- 结果
- 忠实理由几乎不提升准确率，污染理由使支持判断偏移 10-22%，显式检查提示下升至 34-55%。
- 影响
- 理由传递应作为验证消息机制评估，而非提升答案准确率的手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
忠实理由几乎不提升答案准确率，被污染理由却使支持判断偏移10-22%。
- •在MuSiQue等400个样本上，DeepSeek同时充当推理者与验证者
- •忠实理由相比无理由几乎不提升答案准确率
- •无害改写仅使支持判断偏移0-2.5%，污染理由偏移10-22%，显式检查提示下升至34-55%
- •最终答案变动较小（2-30%），仅2.9-35.3%的支持翻转伴随答案改变
- •人类审计中16/42有效污染属过度信任案例，盲测人类拒绝或标记9/10模型接受的污染理由
为什么重要：角色分工QA管线把理由传递当作提分手段可能无效，反而引入新的失败面；验证环节需按消息机制而非准确率来评估。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。