面向修订语料高效可靠问答的摄入时事实编译

大多数智能体问答（QA）系统在最糟糕的时刻完成一项重要的语义工作：每次有人提问的时候。当语料包含修订、草稿、撤销、删除以及权威程度不同的来源时，模型必须在每次读取时重建受治理的当前状态——然后丢弃这些工作，在下一个查询时重复。这有点像一个每次有人读取时都重建物化视图的数据库。我们提出摄入时事实编译，一种在语料数据摄入或变更时完成这项工作的架构。原始段落被改写为自包含的事实；管辖修订、删除、生效日期和来源可信度的规则只解析一次；所得状态以携带来源和修订溯源的类型化记录存储。查询时，一个廉价的模型读取编译后的记录，而不是从嘈杂的候选中重建。在一个跨五个种子的受控合成实验中，同一低成本模型在查询时重建下30次试验中仅1次产出正确的值、来源和修订，而从编译基底则在全部30次试验中正确，每次读取的平均成本低12.89倍。在较简单的修订问题上，两种架构都精确，但编译路径使用的token少21.6倍。一项独立测试发现，事实改写把冗长的美联储对话大致减半，同时保持高来源蕴含，但对简洁的维基百科散文几乎没有改变。这些结果支持一个狭窄而实用的主张：一次性解析语料状态可以让后续问答对廉价模型更便宜也更可靠。我们发布了MIT许可的开源实现和实验产物。