★ 3
arXiv 论文：SEEDS 搜索智能体证据准入框架
论文将「检索证据」与「消费证据」区分开，提出证据准入问题，并给出预览引导的框架 SEEDS，让智能体根据当前推理状态决定哪些候选进入上下文。在九个知识密集型问答基准上，SEEDS 提升搜索效果并大幅减少全证据消耗。
arXiv NLP21 天前
#问答
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
TxnQA 发布交易事件序列分析推理基准
论文提出 TxnQA，一个包含 27 个任务族（81 个模板）与 5 场景欺诈风险推理套件的分析问答基准，基于合成脱敏交易数据，同时评估结论与支撑证据。评测显示适配能稳定满足输出格式，但算术仍是瓶颈：Gemma-4-31B-IT 与 Qwen3-8B 端到端得分 0.867 和 0.816，MoE…
arXiv cs.AI12 天前
★ 2
用选择题问答评估视频字幕质量
现有视频字幕评估依赖与参考文本匹配，受一对多特性困扰且维度单一。研究以信息保真度重新定义字幕质量，通过多项选择题问答衡量字幕对视频信息的覆盖程度。
Apple Machine Learning Research52 天前