厦大团队 ACL 2025：强制"以文档为准"反而

企业用 RAG 时，常碰上这种尴尬：模型训练时记的是旧政策，知识库却已经更新了。

这时候模型容易犯两种错。要么太信自己，死咬着旧答案不放；要么听进去了，却把新旧信息混成一锅粥。实测下来，模型“太信自己”才是大头。

为了治这毛病，有人想出个狠招：在提示词里直接命令它“必须以文档为准”。这招确实管用，过度自信的错误率从 13.6% 压到了 9%。但代价是，它开始乱匹配，错误率反而从 5.2% 飙到了 14.1%。

强行压制参数知识，反而会破坏模型的内部结构，让它更容易误读上下文。

厦大团队干脆不搞压制了，弄了个 FaithfulRAG。它先让模型把自己的旧知识列出来，再跟新文档逐条比对冲突点，最后带着这些冲突去推理。这套法子不仅没让正常场景退化，准确率还提了一大截。

不过这法子也有软肋：多轮调用算下来成本不低，而且如果模型原本对某个领域一无所知，这招也会直接失效。