Badania: model uczy się cytować źródła bez wyszukiwania w sieci
W warstwie badawczej zwraca uwagę praca opisana dziś przez serwis AlphaSignal, a wcześniej dostępna na arXiv i przyjęta na konferencję ICLR 2026, której autorzy z Uniwersytetu Duke i z Google przedstawiają metodę Cite Pretrain. Uczy ona model wiązać fakty z trwałymi identyfikatorami dokumentów już na etapie treningu, tak aby cytować źródła bez sięgania do zewnętrznego wyszukiwania w momencie odpowiedzi. Działanie jest dwuetapowe: najpierw trening kontynuacyjny przywiązuje fakt do identyfikatora dokumentu, a potem dostrajanie instrukcjami wywołuje samo zachowanie cytowania. Kluczowym elementem jest tak zwane aktywne indeksowanie, które wzbogaca trening o sparafrazowane fakty oraz cele dwukierunkowe, od źródła do faktu i od faktu do źródła. Na modelach Qwen o siedmiu i trzech miliardach parametrów metoda poprawia precyzję cytowania o nawet trzydzieści i dwie dziesiąte procenta wobec podejścia biernego, a autorzy wprowadzają też własny zestaw testowy CitePretrainBench.
Źródło: alphasignal
Znaczenie tego podejścia trzeba ocenić trzeźwo, bo ma jasne granice. Cytaty pozostają ograniczone do źródeł, które model widział w treningu, a każdy wygenerowany identyfikator musi dać się rozwiązać w utrzymywanym katalogu dokumentów; nie da się więc wskazać źródła, którego w treningu nie było. Autorzy sami nie twierdzą, że metoda zastępuje wyszukiwanie, lecz że je uzupełnia. Wartość praktyczna jest jednak duża, bo adresuje realny problem kosztowy: systemy oparte na wyszukiwaniu dodają do każdego zapytania indeks, żądanie wyszukiwania i ryzyko błędnego doboru fragmentów. Wpisywanie części tej pracy w wagi przed wdrożeniem obniża opóźnienie i koszt przy zachowaniu śladu źródłowego, co dla zastosowań, w których trzeba wykazać, skąd pochodzi twierdzenie, jest zmianą o znaczeniu praktycznym, nawet jeśli nie przełomową w sensie naukowym.