超越主题相似性：RAG 中具有可解释注意力对齐的对比证据检索

确保 RAG 的真实性和可解释性仍然是一个悬而未决且紧迫的问题。我们引入了对比证据基本原理注意力（CERA），这是第一个采用基于主观性的硬否定选择的检索框架，并通过辅助注意力对齐损失将证据归纳偏差注入对比学习中。 CERA 使用两个训练目标对密集的 检索器 进行微调：基于三元组的对比学习和可解释的注意力对齐，后者使用人类注释的事实原理上的词性加权掩蔽分布作为证据信号来监督 CLS 到标记的注意力。对大量临床试验报告的实验表明，与 Contriever 和硬阴性选择基线相比，基于主观性的硬阴性选择显着提高了检索效率。此外，基本原理对齐改进了 忠实性，同时保持有竞争力的检索性能，支持这样的假设：在人类基本原理的指导下，注意力可以作为对模型行为的更忠实的解释。除了主题相似性之外，CERA 还使 检索器 能够识别构成支持证据的特定标记，从而促进 RAG 系统中更具可解释性的证据选择。