论文提出ASC方法训练忠实长文RAG

发生了什么

据arXiv cs.CL报道，一篇论文提出作者句子信用（ASC）方法，旨在解决长文RAG中模型通过复制段落而非 grounding 来刷高忠实度奖励的问题。该方法将GRPO算法的奖励和优势计算从答案级别移至句子级别，仅对 authored 且 supported 的句子给予信用。实验显示，在四个模型和多个语料库中，ASC能降低错误率并增加支持性内容。