否定不是语义问题：诊断医学生物学 QA 中矛盾感知的稠密检索失败模式及其权衡
信息检索
2026-03-19 v1
摘要
大型语言模型（LLMs）在医学生物学问答方面展现出强大的能力，但其倾向于生成不经验证的 plausible 论断在临床环境中构成严重风险。为缓解此风险，TREC 2025 BioGen track 要求提供显式呈现矛盾证据的扎实答案（任务 A）以及基于叙事驱动的、完全归因响应的生成（任务 B）。针对缺乏目标基准_truth 的问题，本文提出一种基于 SciFact 数据集的代理开发框架，用于系统性地优化检索架构。我们的迭代评估揭示了“简单性悖论”：复杂的对抗性稠密检索策略在矛盾检测上 catastrophic 失败（MRR 为 0.023），其原因是语义坍塌（Semantic Collapse），即否定信号在向量空间中变得不可区分。我们进一步识别出一种检索不对称性：过滤稠密嵌入有助于矛盾检测，但会损害支持召回，从而损害可靠性。我们通过建立在统一 BM25 主干之上的解耦词典架构来解决此问题，在平衡语义支持召回率（0.810）与精确矛盾呈现（0.750）之间取得平衡。该方法在代理基准上实现最高的加权 MRR（0.790），同时仍是面向 3000 万文档 PubMed 语料库进行规模化部署的唯一可行策略。对于答案生成，我们引入了叙事感知重排序和零样本情境学习，使引用覆盖率从 50%（零样本）提升至 100%。官方 TREC 结果确认了我们的发现：我们的系统在任务 A 的矛盾 F1 排名第 2，在任务 B 的引用覆盖率（98.77%）中排名第 3（共 50 队），实现了零引用矛盾率。我们的工作将 LLMs 从随机生成器转变为诚实的证据综合器，表明医学生物学 AI 中的认知完整性需要隔离的度量优化与架构可扩展性之间的精确性。
引用
@article{arxiv.2603.17580,
title = {Negation is Not Semantic: Diagnosing Dense Retrieval Failure Modes for Trade-offs in Contradiction-Aware Biomedical QA},
author = {Soumya Ranjan Sahoo and Gagan N. and Sanand Sasidharan and Divya Bharti},
journal= {arXiv preprint arXiv:2603.17580},
year = {2026}
}