arXiv 自然语言处理· Celine Guo, Weida Liang, Yujian Fu, Anqi Dang, Yanzheng Jin, Kenji Kawaguchi, Wenya Wang·· 19 小时前AI 评分35
当自我验证适得其反：面向金融问答的校准答案修复 CAR
When Self-Verification Hurts: Calibrated Answer Repair for Financial Question Answering
AI 导读
研究提出面向金融问答的校准答案修复（CAR）方法，通过预估修复收益、定位证据并限制编辑范围，解决大模型开放式验证容易篡改正确内容的问题。在 FinRank、Fin-RATE 与 FinQA 数据集及三款开源模型测试中，CAR 在系统层面挽回了 14.6% 最初遗漏的答案要求，仅损坏 2.1% 的原本正确内容，全面优于通用验证。其草稿后 token 成本比迭代修订方案降低超 30%。
来源：arXiv 自然语言处理 · arxiv.org