MAXSHAPLEY：RAG上下文归因优化与解决方案解析

我们提出一种名为 MAXSHAPLEY 的方案，这是一种专为 RAG 系统设计的“最大-求和”效用函数，旨在将 Shapley 归因的计算复杂度从指数级降至线性水平。该方案仅消耗传统暴力计算法 6%–7% 的 token 资源，就能保持高达 0.79+ 的 Kendall-τ 相关性以及与人工标注 0.9+ 的一致性水平，为实现生成式搜索的“按贡献计费”提供了一套具备可行性的落地算法。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

MAXSHAPLEY 的核心在于“先拆解要点、再取最大值、最后线性求 Shapley”这三步策略，成功将原本学术性的公平归因工具，转变为可在线上实际运行的高效方案。这为“AI 搜索—内容方”之间的利益重新分配，提供了第一条可扩展的技术路径。具体实现方式如下：

一、行业痛点

生成式搜索（如 Perplexity、Gemini 等）让用户能够实现“即问即答”，但这同时导致用户跳过原始网页，造成内容方的流量锐减。据 Bain 公司估计，到 2025 年，已有 80% 的用户将 40% 的时间停留在 AI 生成的摘要页面，而不再点击信息来源。流量消失即意味着广告收入的流失，出版机构将此类事件称为“灭绝级危机”，相关诉讼也不断涌现（如《纽约时报》诉 OpenAI、Chegg 诉 Google）。现有研究主要聚焦于“上下文归因”的可解释性，并未解决“谁该分多少钱”这一关乎公平补偿的实际问题；而传统的 Shapley 值计算虽在理论上公平，其 O(m2^m) 的复杂度在毫秒级响应的搜索场景中是完全无法接受的。

二、本文核心贡献

本文提出了 MAXSHAPLEY 方法，这是一种专为 RAG 设计的“最大-求和”效用函数。它成功将 Shapley 值归因的计算复杂度从指数级降至线性级别，其 token 消耗仅为暴力计算法的 6%–7%，却能保持 0.79+ 的 Kendall-τ 强相关性与 0.9+ 的人工标注一致性，为生成式搜索的“按贡献付费”模式提供了一个可实际部署的算法基础。

图片

整体流程遵循“检索 → 生成 → 归因”三阶段，将三条大型语言模型的链路进行解耦，即使是黑盒模型也可适用。

三、方案速览

方案基于一个关键直觉：“同一要点内的文档相互竞争，不同要点间的文档则彼此协作”。通过 max 操作天然去除冗余信息，在满足公平公理的同时，确保了计算过程的可分解性。

图片

上图横轴为 token 消耗量，纵轴为与人工标注的 Jaccard 一致性指数：MAXSHAPLEY 仅用 6% 的 token 消耗，其精度就已追平完全版 Shapley 的 0.83 水平，而 KernelSHAP 需要 8 倍以上的 token 量才能达到相近效果。

四、实验亮点

数据方面使用了HotPotQA、MuSiQUE、MS MARCO（经过人工二次标注，共30题以降低噪声）。评估指标涵盖 Jaccard@K、Kendall-τb、token成本/美元/运行时间。

在达到相同 Jaccard 指数时，MAXSHAPLEY 比 KernelSHAP 节省 8–10 倍的 token 消耗；

Kendall-τb > 0.79（强相关），Jaccard > 0.9；

在完整版 MuSiQUE 数据集（共2417题）上表现依然稳健，即便随着“跳跃数”增加，性能略有下降但并未崩溃。

五、落地补偿机制

直接分成：平台从其订阅或广告收入中，按归因比例划拨一定金额给内容提供方。此模式适用于学术出版、企业知识库等供应方有限的场景。 广告代理：将来源方的广告素材，按其归因权重投放在生成式结果页面上，沿用现有广告生态，平台无需自建支付通道。 二次拍卖：以 MAXSHAPLEY 计算出的分数作为内容方的“被动出价”，与广告主在同一竞价市场中进行拍卖，平台收取结算差价。

六、局限性与未来方向

使用 LLM 作为评估者对措辞敏感，即使是温度参数设为 0 也非完全确定；未考虑多来源交叉验证带来的“置信度叠加”效应；目前的方案将关键要点视为同一扁平层次，未来可引入层次分解以处理更复杂的推理逻辑；对抗风险防范：内容农场可能通过制造“AI 偏好型文本”来套利，需要配合内容质量过滤机制。

资源传送门：

MAXSHAPLEY: Towards Incentive-compatible Generative Search with Fair Context Attribution
论文地址：https://arxiv.org/pdf/2512.05958