探索知识冲突以实现忠实的 LLM 推理：基准与方法

大型语言模型在检索增强生成（RAG）中表现优异，但在面对检索到的冲突知识时往往难以进行忠实推理。现有研究多关注外部知识与模型参数知识的冲突，忽视了外部知识源之间的冲突。为此，本文提出 ConflictQA 基准，系统构建文本证据与知识图谱证据间的冲突场景。评估发现，LLM 在此类跨源冲突中常无法识别可靠证据，且过度依赖提示词或单一数据源。针对此问题，我们提出了 XoT，一种面向异构冲突证据的两阶段基于解释的思维框架，并通过实验验证了其有效性。