ScoreGate：通过双分数统计融合进行检索增强生成的自适应块选择

固定基数检索将恒定的前 K 个块注入到生成器中，而不管查询的复杂性如何，从而导致窄查询的过度检索和组合查询的检索不足。我们描述了 ScoreGate，一种轻量级的分数空间决策机制，它使用标准管道已经生成的两个分数来控制推理时的检索基数：双编码器相似度 s_i 和跨编码器重排序分数 r_i，无需额外的模型推理调用。其核心见解是，跨编码器肯定可以挽救语义相关的块，而双编码器检索由于词汇不匹配而排名较差，这是固定 K 或单分阈值无法解决的故障模式。在 MS MARCO（200 个开发查询）上，ScoreGate 实现了 MRR@10 = 0.401，保留的块比标准 Top-K 少了 35%。在内部基准测试中（n=300，Fleiss 的 kappa=0.87），ScoreGate 在 97.77-99.34% 的召回率下观察到零误报（95% CI [96.4%, 100%]），每个查询的词元数减少了 34.8%，并且仅增加了 31 毫秒的延迟。 MS MARCO 和实际生产流量的结果表明，自适应检索基数可以提高检索效率，而不会降低检索质量。