शोधकर्ताओं ने Dual-Confidence Contrastive Decoding (DCCD) प्रस्तावित किया, एक ट्रेनिंग-फ्री विधि जिसे retrieval-augmented generation में इन्टर-कॉन्टेक्स्ट संघर्षों को हल करने के लिए डिज़ाइन किया गया है जहाँ रीट्रीव किए गए दस्तावेज़ पुराने, शोर वाले या विरोधाभासी सबूत रखते हैं। यह दृष्टिकोण डॉक्यूमेंट-लेवल कॉन्फिडेंस को जोड़ता है, जो अनुमानित करता है कि क्या कोई स्रोत उत्तर देने के लिए पर्याप्त है, और टोकन-लेवल कॉन्फिडेंस को, जो अगले टोकन भविष्यवाणियों के लिए समर्थन का मूल्यांकन करता है।
- DCCD इन डुअल-कॉन्फिडेंस संकेतों का उपयोग करके सकारात्मक और नकारात्मक डॉक्यूमेंट-कंडीश्ड स्ट्रीम्स चुनता है और उनके मार्जिन से कॉन्ट्रास्ट को स्केल करता है।
- इस सेटिंग का मूल्यांकन करने के लिए, लेखकों ने DRQA पेश किया, एक फैक्टुअल-कॉन्फ्लिक्ट प्रश्नोत्तरी बेंचमार्क जो सिंथेटिक तथ्यों के साथ एंटरप्राइज डीप-रिसर्च परिदृश्यों से व्युत्पन्न है।
- DRQA और स्टैंडर्ड मल्टी-डॉक्यूमेंट QA बेंचमार्क्स में, DCCD फुल-कॉन्टेक्स्ट और कॉन्ट्रास्टिव डिकोडिंग बेलाइन्स के बीच सर्वश्रेष्ठ औसत प्रदर्शन प्राप्त करता है।
ये परिणाम इस बात पर जोर देते हैं कि जब रीट्रीव किया गया सबूत आंतरिक रूप से विरोधाभासी होता है तो स्रोत-अवेयर, कॉन्फिडेंस-गेटेड डिकोडिंग कितनी महत्वपूर्ण है।