用 Horn 闭包证书判断证据是否足够：搜索增强模型可答/再搜/弃答三选一

_reachsumit · x · 2026-10-28

论文 Certify 提出用结构化方法替代模型的整体式判断来决定搜索增强模型在检索后是否回答、继续搜索还是弃答。核心做法是为每个查询构建需求超图，声明哪些事实可联合推出另一事实，再按需求逐项检索并做实体校验。对链接做 Horn 闭包后即可得到证书：最小充分证据集及其推导，或列出未满足需求的弃答结论。

在三个含不可答孪生问题的语料池上，Certify 的决策准确率显著高于搜索 agent、图检索和 sufficiency judge。在相同证据下无需额外模型调用即可匹配专有模型的充分性标注。在 2100 万 Wikipedia 段落上，有金标准证据时实体校验带来 4-13 点决策准确率提升；由证书生成的答案正确率达 80%，而使用全部检索段落仅 57%。