論文の概要: Not One Belief: Answer Payloads, Persistence, and Dissociated Confidence Signals in Conversational Question Answering

• arxiv url: http://arxiv.org/abs/2610.35694v1
• Date: Mon, 26 Oct 2026 16:23:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.070089
• Title: Not One Belief: Answer Payloads, Persistence, and Dissociated Confidence Signals in Conversational Question Answering
• Title（参考訳）: 一つの信念ではない: 会話型質問応答における解答の負荷, 持続性, および解答信頼信号
• Abstract要約: 同じ書き起こしで4つの信頼信号を測定する。 Qwen2.5-7Bでは、凍ったプローブは真ではなく答えの持続性によって上昇する。 BM25 TriviaQAの証拠により、解答を含む文は67-76%の持続的誤りを修復する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational QA systems should fix errors when users push back and signal which answers to trust. We split each follow-up into its speech act (re-ask, agree, or challenge) and its payload (an answer string, correct or not), and measure four confidence signals on the same transcripts: verbalized confidence, length-normalized likelihood, a frozen hidden-state probe, and P(True). Answers change when the user supplies an answer string and almost never under the speech act alone: in every retained full-size cell, the correct answer converts at least four times as many wrong answers as re-asking or agreement. The four signals disagree. On Qwen2.5-7B the frozen probe rises with answer persistence rather than truth; this holds on held-out questions, with Llama-3-8B (cleaned answers) as support, but not on four other models. Among 81 Qwen2.5-7B errors that survive one re-ask, re-asking, a fresh chat, or abstain repair almost none, while a gold answer repairs 75-95%. In two preregistered replications, every repair rate without an answer string stays below 0.15; a larger post-hoc rerun excludes 0.15 except for the empty elicit. With BM25 TriviaQA evidence, sentences that contain the answer repair 67-76% of persistent errors versus at most 12% when they do not. An end-to-end contain-gate cuts harm on TriviaQA, but a deployable gate that does not know the gold answer repairs few errors.
• Abstract（参考訳）: 会話型QAシステムは、ユーザーが押し返した時にエラーを修正し、信頼できる回答を通知する。 それぞれのフォローアップを音声行為(re-ask, agree, チャレンジ)とペイロード(re answer string, correct or not)に分割し,同じ書き起こしに対して4つの信頼信号(言語的信頼度,長さ正規化可能性,凍結された隠れ状態プローブ,P(True))を測定した。 ユーザーが回答文字列を供給し、音声が単独で振る舞うことはほとんどない:すべての完全サイズのセルにおいて、正しい回答は、再割り当てや合意の少なくとも4倍の間違った回答を変換する。 4つの信号は一致しない。 Qwen2.5-7Bでは、凍結されたプローブは真理ではなく答えの持続性によって上昇する。 Qwen2.5-7Bエラー81件のうち、1件のリアスク、再アスキング、新しいチャット、控えめな修理はほとんどないが、金の答えは75-95%の修理である。 2つの事前登録された複製では、応答文字列のない修復率は0.15以下であり、空のエリシットを除いて、より大きなポストホック再実行は0.15を除外する。 BM25 TriviaQAのエビデンスでは、解答を含む文は67-76%の持続的エラーと少なくとも12%のエラーがある。 終端から終端までの封じ込めはTriviaQAに害を与えるが、金の解答を知らない展開可能なゲートはわずかな誤りを補う。

関連論文リスト

• Accept or Repair: Preserving Passage-Supported Answers in Contrastive Decoding [30.60367130184079]
  パスに対する回答のチェックは、このトレードオフを排除します。 本稿では,Accept-or-Repair(AoR)を提案する。
  論文  参考訳（メタデータ） (2026-10-21T13:32:29Z)
• Knowing When Not to Answer: Cross-Domain and Multi-Turn Generalization of Latent Underspecification Signals [0.0]
  解答不可能性は隠蔽状態から線形に退避可能であるが、どの形が表現を共有し、その信号が対話で有用であるかは定かではない。 我々は,ターンラベル付きマルチターンベンチマーク(会話423件,ラベル付きターンステート1,661件)と,明確な質問に答える模擬ユーザによる評価手法を提案する。
  論文  参考訳（メタデータ） (2026-10-06T14:18:13Z)
• Prompt-Based Abstention Fails Under Misleading Context: A Controlled Study of Small Frozen RAG Models [0.0]
  誤りや誤解を招く証拠は、検索強化世代でも同じ問題ではない。 証拠が欠落している場合、モデルは確実に棄却されるが、明示的な棄却の下では、誤解を招く質問の41.6%は依然として答えている。
  論文  参考訳（メタデータ） (2026-08-23T05:43:27Z)
• Wrong but Useful: Trajectory Value Beyond Answer Correctness in Multi-Agent Messages [44.340269814027174]
  マルチエージェント推論システムは、合意、信頼、あるいは自動スコアを使用して、どのメッセージが最終回答になるかを決定する。 しかし、間違った答えは、有用な分解、制約、または科学的原理を含むことができる。 この区別は、5つの独立に生成されたメッセージをキャッシュする制御された測定プロトコルであるDHD(Diverse hypothesis Deliberation)で検証する。
  論文  参考訳（メタデータ） (2026-08-14T15:16:57Z)
• Localizing and Mitigating Errors in Long-form Question Answering [79.63372684264921]
  LFQA(Long-form Question answering)は、複雑な質問に対して徹底的で深い回答を提供し、理解を深めることを目的としている。 この研究は、人書きおよびモデル生成LFQA回答の局所的エラーアノテーションを備えた最初の幻覚データセットであるHaluQuestQAを紹介する。
  論文  参考訳（メタデータ） (2024-07-16T17:23:16Z)
• Answering Unanswered Questions through Semantic Reformulations in Spoken QA [20.216161323866867]
  Spoken Question Answering (QA) は音声アシスタントの重要な機能であり、通常は複数のQAシステムによって支援される。 我々は失敗したQA要求を分析し、語彙的ギャップ、命題型、複雑な構文構造、高い特異性など、主要な課題を特定する。 本稿では,3つの言語的操作(リペア,構文的再構成,一般化)による質問の書き直しと回答を容易にするセマンティック質問修正(SURF)モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-27T07:19:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。