海市蜃楼：重新思考推理密集型检索的信心

许多生产 RAG 系统通过对原始相似性分数进行阈值处理来实现检索放弃，隐式地将分数大小视为置信度信号。我们证明，当查询需要超出语义匹配的推理时，这种做法会系统性地退化。在 11 个检索架构和 28 个数据集中，神经检索器一致地为语义相关但违反约束的文档分配高相似度分数，导致基于幅度的阈值在逻辑和时间推理任务上崩溃，导致近乎随机的放弃性能——我们将这种失败称为“幅度幻影”。为了在没有计算成本昂贵的替代方案的情况下解决这个问题，我们对跨三个认知层的六个零成本查询性能预测（QPP）指标进行了大规模的实证研究：语义匹配（BEIR）、逻辑推理（BRIGHT）和时间推理（TEMPO）。我们的核心发现是，关键的改进来自于放弃大小，转而采用分数分布信号：这种转变带来的收益超过了分布替代方案之间的差异 5-10$\times$。特别是，在基于幅度的置信度几乎没有提供区分能力的情况下，分数差距 ($s_1 - s_k$) 以及分数幅度和方差 (LSMV) 的实际调整可将弃权 AUROC 提高高达 0.16。这些方法不需要额外的推理、再训练或延迟，使其成为已部署的 RAG 系统中幅度阈值的实用零成本替代方案。