ConflictRAG：检测和解决检索增强生成中的知识冲突

检索增强生成（RAG）系统隐式地假设检索到的文档之间相互一致——这一假设在实践中经常失败。我们提出了 ConflictRAG，这是一种冲突感知 RAG 框架，可以在生成答案之前检测、分类和解决知识冲突。该框架引入了三个贡献：(1) 两阶段冲突检测模块，将基于嵌入的轻量级 MLP 分类器与选择性 LLM 细化相结合，将 API 成本降低 62%，同时保持 90.8% 的检测精度； (2) 用于数据驱动源可信度评估的熵-TOPSIS框架，比手动启发式方法提高了7.1%的选择精度； (3) 冲突感知 RAG 评分 (CARS)，用于冲突处理能力的诊断评估。针对六个基线的三个基准的实验表明，与最强的冲突感知基线相比，冲突检测 F1 达到 88.7%，正确性持续提高 5.3--6.1%，并且管道在主干网 LLM 上有效传输。