上下文收敛性提升推断性问题的回答效果

尽管大语言模型广泛应用于开放域问答，但其处理需推导而非直接检索的推断性问题能力尚待探索。本研究 investigates 段落结构与质量对模型性能的影响，提出“收敛性”指标，衡量句子消除错误答案的有效性。基于 TriviaHG 数据集子集构建不同收敛水平的段落，评估六种模型。结果显示，高收敛性句子构成的段落显著优于余弦相似度筛选方法，且按收敛性降序排列可进一步提升性能。研究表明收敛性是指导段落构建及分析推断推理行为的有效信号。