摘要
本文研究检索增强生成（RAG）中检索上下文主导答案甚至与参数知识冲突的现象。提出上下文驱动分解（CDD）方法，作为一种推理时信念分解探针和干预机制。实验表明，CDD 能有效量化上下文依从性，揭示不同模型家族在处理冲突时的因果敏感性差异，并显著提升模型在时间漂移和噪声干扰下的鲁棒性，为系统研究 RAG 的结构特性提供了新基准。
AI 推荐理由
研究 RAG 在知识冲突下的推理行为与因果归因，提出分解探测机制评估模型判断力。
研究机构
Georgia Institute of Technology
Carnegie Mellon University
University of California San Diego
论文信息