StepGap：一种用于多跳问答中逐步证据缺口检测的混合 NLI-LLM 检查器

本文提出 StepGap，一种混合自然语言推断（NLI）与大语言模型（LLM）的决策树，旨在检测多跳问答中的逐步证据缺口，并输出三种带类型的标签（矛盾主张、无关证据、缺失桥梁），每种标签对应具体的修复动作。实验表明，StepGap 在逐步评估指标上优于纯 LLM 基线，且结构更具可分解性，避免了误差抵消问题。此外，文章揭示了问答级指标的计算陷阱，强调逐步评估的必要性。作为强化学习的过程奖励，StepGap 显著提升了 Qwen2.5-7B 模型的精确匹配率。