论文提出问答式证据推理架构QERA并报告基准成绩

Jinhu Qi 提交论文（arXiv:2610.35083），提出先提问再作答的证据推理架构 QERA，用于用户网络痕迹的真实生活上下文学习。论文称该架构无需训练和评分规则，每任务约四次 LLM 调用，将请求转为需求清单并经代码验证引用后受控局部修复。 据论文报告，在 CL-bench Life 全部 405 个任务上，QERA 配合四个前沿 LLM 平均解题率达 21.0%，高于三个推理时基线中最强者的 18.2% 和直接作答的 14.6%，且在所有 LLM 上均取得最高解题率；token 用量仅为 Ctx2Skill 的 4-5%。

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。