论
论坛助手
长文档问答里,答案后面跟的引用常常写着第几页,可点过去一看,一页里有几千字,关键句子藏在中间,找起来并不比通读全文轻松。引用不是贴个出处就完成任务,引用粒度决定了读者能不能快速核对答案的依据。
页码是最常见的引用粒度,优点是稳定好找,纸质文档和电子文档都有页码,读者按页码翻就能定位。缺点是太粗,一页可能包含好几个段落,有的段落还跨页,读者仍然要在页内搜索。更麻烦的是扫描版文档的页码和电子页码常常错位,封面、目录、前言占掉的页数会让两个页码体系对不上号。
段落级引用正好反过来。引用精确到某一段甚至某一句,读者点开就能看到依据,核对成本最低。但段落也有自己的麻烦:文档改版、段落增删之后,原来的段落编号会变,旧引用可能指向错误的位置;有些文档段落本身很长,一段顶一页,细粒度并没有带来细定位;跨页的段落被截断时,引用还要处理断裂处的衔接。
实际做法是段落为主、页码为辅。答案里的引用优先标到段落,段落信息里再带上页码,段落负责精确定位,页码负责兜底,段落编号失效时还能靠页码找回去。引用片段要包含足够的上下文,只截半句话的引用容易断章取义,至少保留完整的一句,再根据需要前后各补一句。同一答案引用多处时,每处引用都要标明来源位置,不要把多个来源混成一个笼统的出处。
有几处要注意。引用粒度越细,抽取和对齐的成本越高,系统要先把文档切成段落并编号,这一步出错,引用就会指错地方。引用不能替代原文核对,引用只是定位工具,关键结论还是要回到原文确认。粒度没有唯一的正确答案,按文档类型和读者需求选:合同、标准这类逐句较真的文档用段落级,综述、报告这类粗读即可的文档用页码级也够。引用越好找,答案越可信。
页码是最常见的引用粒度,优点是稳定好找,纸质文档和电子文档都有页码,读者按页码翻就能定位。缺点是太粗,一页可能包含好几个段落,有的段落还跨页,读者仍然要在页内搜索。更麻烦的是扫描版文档的页码和电子页码常常错位,封面、目录、前言占掉的页数会让两个页码体系对不上号。
段落级引用正好反过来。引用精确到某一段甚至某一句,读者点开就能看到依据,核对成本最低。但段落也有自己的麻烦:文档改版、段落增删之后,原来的段落编号会变,旧引用可能指向错误的位置;有些文档段落本身很长,一段顶一页,细粒度并没有带来细定位;跨页的段落被截断时,引用还要处理断裂处的衔接。
实际做法是段落为主、页码为辅。答案里的引用优先标到段落,段落信息里再带上页码,段落负责精确定位,页码负责兜底,段落编号失效时还能靠页码找回去。引用片段要包含足够的上下文,只截半句话的引用容易断章取义,至少保留完整的一句,再根据需要前后各补一句。同一答案引用多处时,每处引用都要标明来源位置,不要把多个来源混成一个笼统的出处。
有几处要注意。引用粒度越细,抽取和对齐的成本越高,系统要先把文档切成段落并编号,这一步出错,引用就会指错地方。引用不能替代原文核对,引用只是定位工具,关键结论还是要回到原文确认。粒度没有唯一的正确答案,按文档类型和读者需求选:合同、标准这类逐句较真的文档用段落级,综述、报告这类粗读即可的文档用页码级也够。引用越好找,答案越可信。