检索增强生成（RAG）系统依赖外部语料库，但这些语料库可能包含过时、矛盾、噪声或不可靠的文档，导致答案可信度下降。已有研究利用文档之间的关系提升答案可靠性，但只能在直接比较的文档对之间传播信号。为了解决此限制，本文提出 TrustPropRAG。该方法将文档关系构建为图结构，并通过多跳传播在图上估计每篇文档的可信度。
TrustPropRAG 以少量人工标注的文档可靠性反馈为锚点，将高成本的反馈信号扩展到整个语料库。具体而言，基于构建的文档关系图，模型将每篇文档的信任分数定义为一个优化问题的解，该问题同时考虑成对文档关系和用户反馈。求解后得到的信任分数用于筛选可靠文档，并在生成答案时引入信任感知机制。
实验表明，TrustPropRAG 在检索质量和精确匹配率上均优于基线方法，并且在反馈稀疏或噪声较大时仍保持鲁棒性。
点评