熵主张消解：用于检索增强生成的不确定性驱动证据选择

当前检索增强生成（RAG）系统主要依赖基于相关性的稠密检索，但在面对证据冲突或查询歧义时，仅靠相关性不足以解决认知不确定性。本文提出熵主张消解（ECR），一种新颖的推理时算法，将 RAG 推理重构为竞争语义假设上的熵最小化过程。不同于行动驱动的代理框架，ECR 通过最大化期望熵减来顺序选择原子证据主张，并在达到认知充分状态时动态终止。该框架将范式从检索最相关内容转变为检索最具判别力的内容，为不确定性感知证据选择提供了严谨基础。