LQET：人类-AI 反馈回路中的来源感知信念更新

LQET 让语言模型依据报告来源谱系、而非报告数量更新信念，避免同一观察被反复引用后被当作独立佐证。在受控二元基准上，相较只用任务训练的基线，该方法将新证据更新的 RMSE 降低 41-44%，八轮 relay 后 log-odds drift 降低 89-91%。提升覆盖 Qwen3-4B 与 Phi-4-mini，每个 backbone 使用三组配对训练种子。