DeclineCraft 基准评测显示迭代式 RAG 降低模型诚实率

DeclineCraft 论文提出动态弃答基准，通过语料截断构造无法回答的问题，并联合评测检索知识与参数知识的边界，共测试 27 个 LLM。迭代式 RAG 在 40 组配置中的 30 组显著降低 CAR，平均为 46.4%，而答题准确率仅从 68.5%升至 69.3%；混合检索配合查询改写与重排序则提升了全部 12 个受测模型的 CAR。