arXiv · cs.CL· Celine Guo·· 2 天前AI 评分30
CAR：金融问答中校准式答案修复方法，克服自我验证的局限
When Self-Verification Hurts: Calibrated Answer Repair for Financial Question Answering
来源与原文
arXiv · cs.CL
作者：Celine Guo
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.05166v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
金融问答中模型的自我验证与开放式修改可能改坏原本正确的答案，论文据此提出校准式答案修复方法 CAR，先估计草稿是否值得修复，再定位相关证据或草稿片段并限制可编辑范围。在 FinRank、Fin-RATE 和 FinQA 三个数据集与三个开源权重模型上，CAR 全面优于通用验证方法，恢复 14.6% 的缺失答案要求，仅损坏 2.1% 的原本正确答案，草稿后 token 开销比迭代式修改低 30% 以上。消融实验显示证据定位和有界编辑是主要贡献因素。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。