研究：小型决策模型给 RAG 信源冲突分类，比前沿 LLM 更快更便宜
Parv Khatri · hf · 2026-11-04
论文研究 RAG 场景中的知识冲突分型问题：当多个检索信源互相矛盾时，如何识别冲突类型。
- 作者训练了带类型标签的决策模型（typed decision models）来对信源冲突分类，速度和成本都优于调用前沿 LLM
- 级联（cascade）方案能以更低成本达到顶级准确率，但不同模型在敏感度和虚假信源检测上表现不一
对构建成本敏感的 RAG 系统有工程参考价值。
「研究」频道最新
- 吉大等提出 EvoTeam:多智能体团队组织与技能随执行经验共同进化 — JLU-Deep · 2026-11-04
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04
- 上交发布 Switch-SWE 基准:编码 Agent 被打断后专注力明显掉分 — SJTU · 2026-11-04
- KAIST 提出 DreamX:视频扩散模型成为通用潜在动作学习器 — kaist-ai · 2026-11-04
- KAIST RoboTryOn:把人类演示视频「试穿」成机器人视频,成功率 2%→60% — kaist-ai · 2026-11-04
- 浙大等发布 VidUEU-Agent:自动从原始视频合成 10 万条多模态指令数据 — Tengju Ru · 2026-11-04