DeepWeaver：弥合开放式问答中的证据合成差距

检索然后生成管道通常用于为开放式问题生成深入研究的答案，但仅检索是不够的：LLM 必须将嘈杂且零散的证据组织成全面的、被广泛引用的答案。我们将此过程称为证据合成。然而，直接生成常常未充分利用证据，引用不一致，并将不同的信息折叠成肤浅的摘要，从而暴露了检索和生成之间的证据合成差距。因此，我们提出了 DeepWeaver，这是一种新颖的框架，通过维护思想区块链（TBC）将嘈杂的检索证据编织成综合答案，思想区块链是一种将主张、显着信息、关键词和支持证据分组的结构化表示。 DeepWeaver 使用从属 TBC 来检查剩余证据、进行 TBC 修订并在最终生成之前发现新的主张。我们通过知识库和网络进行开放式 QA 评估 DeepWeaver，并引入 LoQA，一种用于证据合成的高密度基准。在多个 LLM 中，DeepWeaver 提高了 LoQA 上的内容充分性、引文基础和细节保留，同时在 DeepResearch Bench 上获得了更深入的见解和更高的引文质量。这些结果表明，证据编织是开放式问答中连接检索和生成的有效机制。我们的代码可在 https://github.com/KlozeWang/DeepWeaver 获取。