Pesquisadores propõem Dual-Confidence Contrastive Decoding (DCCD), um método sem treinamento projetado para abordar conflitos intra-contexto na geração aumentada por recuperação onde documentos recuperados contêm evidências desatualizadas, ruidosas ou conflitantes. A abordagem combina confiança em nível de documento, que estima se uma fonte é suficiente para responder, com confiança em nível de token, que avalia o suporte para previsões do próximo token.
- DCCD seleciona fluxos condicionados por documento positivos e negativos usando esses sinais de dupla confiança e escala o contraste pela sua margem.
- Para avaliar essa configuração, os autores introduzem DRQA, um benchmark de perguntas e respostas com conflitos factuais derivado de cenários de pesquisa profunda empresarial com fatos sintéticos.
- Em DRQA e benchmarks padrão de QA multi-documento, DCCD alcança a melhor performance média entre as bases de contexto completo e decodificação contrastiva.
Esses resultados destacam a importância da decodificação sensível à fonte e controlada por confiança quando as evidências recuperadas são internamente conflitantes.