论文
看穿冲突：检索增强生成中的透明知识冲突处理
Seeing through the Conflict: Transparent Knowledge Conflict Handling in Retrieval-Augmented Generation
摘要
配备检索的大语言模型（LLM）——即检索增强生成（RAG）范式——应当将参数化知识与外部证据相结合，但在实践中它们常常产生幻觉、过度信任嘈杂片段或忽视关键上下文。我们提出TCR（Transparent Conflict Resolution，透明冲突解决），一个使这一决策过程可观察、可控制的即插即用框架。TCR（i）通过双对比编码器解耦语义匹配与事实一致性，（ii）估计自我可答性（self-answerability）以衡量对内部记忆的置信度，并（iii）通过带有基于信噪比（SNR）加权的轻量级软提示，将这三个标量信号提供给生成器。在七个基准上，TCR提升了冲突检测（+5–18 F1），将知识缺口恢复提高21.4个百分点，并将误导性上下文覆盖降低29.3个百分点，同时仅增加0.3%的参数。这些信号与人类判断一致，并揭示了时间维度上的决策模式。
