本文提出一种基于评分标准的奖励框架，用于开放域问答。该框架根据检索证据生成查询特定评分标准，并分解为多个质量维度，提供细粒度监督。相比指令微调基线，该方法在构成、依据和指令遵循三个评估轴上平均提升6.5%，优于扁平评分标准4%，且在所有数据集上表现一致。研究表明，基于证据的多维评分标准能更有效地提升复杂问答的奖励监督效果。

论文《MASS-RAG: Multi-Agent Synthesis Retrieval-Augmented Generation》提出了一种多智能体协同处理检索证据的方法，旨在提高在噪声和异构上下文下的答案准确性。该方法将证据处理分为四个阶段，由不同智能体完成，显著降低了幻觉率并增强了鲁棒性，适用于多种场景。