研究者らは、取得された文書に古く、ノイズの多い、または矛盾した証拠が含まれる場合における取得支援生成の文脈内矛盾に対処するために設計された学習不要の方法であるDual-Confidence Contrastive Decoding (DCCD) を提案する。この手法は、回答に必要なソースが十分かどうかを推定するドキュメントレベルの信頼性と、次のトークン予測に対する支持度を評価するトークンレベルの信頼性を組み合わせている。

  • DCCD はこれらの二重信頼性信号を使用して正負の文書条件付きストリームを選択し、そのマージンによってコントラストをスケーリングする。
  • この設定を評価するために、著者らは合成事実を含むエンタープライズディープリサーチシナリオに由来する事実的矛盾質問応答ベンチマークである DRQA を導入した。
  • DRQA および標準的なマルチドキュメント QA ベンチマークにおいて、DCCD はフルコンテキストおよびコントラストiveデコーディングのベースラインの中で最高の平均パフォーマンスを達成している。

これらの結果は、取得された証拠が内部的に矛盾する場合にソース認識型・信頼性ゲート付きデコーディングの重要性を示している。