论文提出DDRG：推理图对齐选择性校正LLM答案

东京大学团队（Haotian Liu 等）在 arXiv 发布论文，提出 DDRG 框架，通过推理轨迹图对齐对大语言模型答案做细粒度选择性校正。 DDRG 从冻结的多条推理轨迹构建带来源的声明图，用答案盲验证器定位冲突；只有当多数答案支持的路径被反驳时才进行一次定向修复，否则返回原始自一致性投票结果。 论文称，在五个基准上，原生零样本 DDRG 相比直接回答，使 Qwen2.5-7B 和 Llama3.1-8B 的宏平均准确率分别提升 8.65 和 15.83 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。