QERA
一种无需训练的推理时架构，通过在回答前向上下文提问来识别隐式需求并检索证据，包含需求清单化、全对话检索与自检、受保护的局部修复等阶段
时间轴 (近 90 天)
QERA（Question-driven Evidence Reasoning Architecture）是一种问题驱动的证据推理架构，其核心思想是在回答之前先向上下文提问。
QERA 的工作流程包括需求清单化、全对话检索与自检、受保护的局部修复等步骤。
QERA 无需训练，也不需要预先定义的评分标准，平均每个任务仅进行约四次 LLM 调用。
在全部 405 个任务上，QERA 在四种前沿大模型上均取得最高解决率，平均为 21.0%；三种推理时基线中最强者为 18.2%，直接回答为 14.6%。
QERA 使用的 token 数量少于 PSCI，仅为 Ctx2Skill 的 4% 到 5%。
在 GPT-6-Luna 上的消融实验表明，QERA 的收益在生成答案之前就已确立：固定的回答协议贡献了 3.8 个评分点，针对特定请求的问题贡献了 1.6 个评分点。
QERA 的提升集中在隐式评分标准上，事后的检查则主要精炼数值型需求。
即便不实现完整的 QERA，为长上下文问答固定一套“先列需求、再取证据、后作答”的协议，也能获得可观收益。
全部知识事实 (8)
QERA（Question-driven Evidence Reasoning Architecture）是一种问题驱动的证据推理架构，其核心思想是在回答之前先向上下文提问。
50%待验证QERA 的工作流程包括需求清单化、全对话检索与自检、受保护的局部修复等步骤。
50%待验证QERA 无需训练，也不需要预先定义的评分标准，平均每个任务仅进行约四次 LLM 调用。
50%待验证在全部 405 个任务上，QERA 在四种前沿大模型上均取得最高解决率，平均为 21.0%；三种推理时基线中最强者为 18.2%，直接回答为 14.6%。
50%待验证QERA 使用的 token 数量少于 PSCI，仅为 Ctx2Skill 的 4% 到 5%。
50%待验证在 GPT-6-Luna 上的消融实验表明，QERA 的收益在生成答案之前就已确立：固定的回答协议贡献了 3.8 个评分点，针对特定请求的问题贡献了 1.6 个评分点。
50%待验证QERA 的提升集中在隐式评分标准上，事后的检查则主要精炼数值型需求。
50%待验证即便不实现完整的 QERA，为长上下文问答固定一套“先列需求、再取证据、后作答”的协议，也能获得可观收益。
50%