企业官网建设流程全解析

# Large Language Models in Resolving Contextual Knowledge Conflicts（arXiv:2609.03148）
> 会议：EMNLP 2026
> 论文链接：https://arxiv.org/abs/2609.03148
> 数据集&代码：https://github.com/lei-nlp-lab/context_conflict_emnlp_2026；HuggingFace：AsherYang/ContextConflict

## 一、文章主要内容
现有大多数大模型知识冲突研究聚焦于**模型内部参数化知识与外部输入上下文之间的冲突**。本文转而研究**上下文内部多条证据之间产生的知识冲突（上下文内冲突）**。

1. **构建分类体系与数据集ContextConflict**：定义6大类上下文冲突类型，数据集共5781条样本，覆盖**推理、摘要**两大任务，同时包含表面可直接发现的显式矛盾，以及需要多步推导的隐式冲突。6类冲突分为两组：
- 推理任务：错误信息冲突、推理冲突、时间冲突（模型需要从冲突证据中得到正确答案）
- 摘要任务：粒度冲突、视角冲突、歧义冲突（模型需要生成均衡摘要，保留多方不同观点）
2. **基准实验**：在7个开源/闭源大模型开展评测，实验表明现有大模型处理上下文内部知识冲突的能力仍然不足。
3. **可解释性机理分析**：借助概念激活向量、谱能量分解、Shapley归因等工具分析模型内部表征；发现模型**内部已经能够感知冲突存在，但存在显著的位置偏见，倾向于优先采信靠前出现的证据**，该位置偏好是冲突解决失败的核心障碍。
4. **提出无训练、无标签的激活引导方法*