Los investigadores proponen Dual-Confidence Contrastive Decoding (DCCD), un método sin entrenamiento diseñado para abordar conflictos intra-contexto en la generación aumentada por recuperación donde los documentos recuperados contienen evidencia obsoleta, ruidosa o contradictoria. El enfoque combina confianza a nivel de documento, que estima si una fuente es suficiente para responder, con confianza a nivel de token, que evalúa el apoyo para las predicciones del siguiente token.
- DCCD selecciona flujos condicionados por documento positivos y negativos utilizando estas señales de doble confianza y escala el contraste por su margen.
- Para evaluar este enfoque, los autores introducen DRQA, un benchmark de preguntas y respuestas con conflictos factuales derivado de escenarios de investigación profunda empresarial con hechos sintéticos.
- En DRQA y benchmarks estándar de QA multi-documento, DCCD logra el mejor rendimiento promedio entre las bases de contexto completo y decodificación contrastiva.
Estos resultados resaltan la importancia del decodificado sensible a la fuente y controlado por confianza cuando la evidencia recuperada es internamente contradictoria.