告别标签搜索：嵌入+LLM两阶段架构让证据召回率翻倍

在海量文献中精准定位每一条相关证据，是系统综述、循证医学乃至企业知识库的共同难题。传统做法是给每篇文献打上受控词表里的标签，再基于标签检索。标签便于组织结果，却会漏掉不匹配任何标签的条目，宽泛标签又会带回大量噪音。一项针对大规模随机试验语料的研究给出了新答案：用文本嵌入按语义召回候选，再用语言模型筛出真正相关的证据，两阶段架构把系统综述所需证据的召回率从45%提升到92%。

标签检索的天花板在哪里

这项研究在包含7,354项随机试验的语料上对比了两种路径。标签检索依赖人工维护的受控词表，它的优势在于结果规整、可解释性强，但代价是覆盖不全：一项证据如果无法被现有标签准确描述，就几乎不可能被召回。更麻烦的是，标签的粒度很难拿捏——太细导致大量条目无标签可用，太宽则每次检索都返回淹没式的结果。

研究给出的数字很直观：面对同一批系统综述需要纳入的证据，标签检索只找到了45%。这意味着超过一半的相关证据在第一步就被漏掉了。对于追求“一个都不少”的系统综述场景，这样的召回率显然不够用。

受控词表是信息检索领域的一种人工标引工具，由领域专家预先定义一组规范化的术语，并建立术语之间的层级、等同和相关关系。常见的受控词表包括医学领域的MeSH（医学主题词表）、工程领域的Ei Thesaurus等。标引人员依据词表为每篇文献分配主题词，检索时用户也使用词表内的规范词进行查询。受控词表的优势在于消除自然语言的歧义与同义问题，使检索结果高度规整；其固有局限则在于覆盖范围受词表规模限制，新兴概念或跨学科表述往往没有被现有词表收录，导致相关文献无法被标引和召回。

嵌入召回加LLM过滤的两阶段设计

新方法把检索拆成两步。第一步用文本嵌入按语义找候选：把查询和文献都映射到向量空间，用相似度召回一批可能相关的条目。这一步不依赖任何预设标签，因此不会因为“没有对应标签”而漏掉证据。

第二步交给语言模型做查询特定的证据过滤：对每个候选条目，判断它是否真的满足当前查询的需求，只保留相关的那些。这样既保留了语义召回的高覆盖，又用模型判断压住了宽泛召回带来的噪音。研究将其总结为“广域候选召回+查询特定证据过滤”的两阶段架构，并指出单次查询的成本会随检索深度上升——召回越深，需要模型判断的候选越多，开销自然增长。

文本嵌入（text embedding） 是将一段文本映射为高维稠密向量的技术，语义相近的文本在向量空间中的距离也相近。其典型实现包括基于Transformer的编码器（如Sentence-BERT、E5、BGE等），通过对比学习在大规模语料上训练，使模型学会将查询和文档编码到同一语义空间。检索时，系统计算查询向量与文档向量的余弦相似度，按相似度排序召回候选。嵌入检索不依赖任何人工标签，因此能覆盖标签体系之外的表述；但其相似度是连续的、全局的，无法精确判断某条目是否满足特定查询的细粒度条件，这正是需要第二阶段模型过滤的原因。

92%召回率背后的取舍

从45%到92%，召回率的提升是数量级的。对系统综述、证据合成这类“漏掉一条就可能影响结论”的任务，这个差异是决定性的。但研究也如实呈现了代价：成本并非固定，而是随搜索深度增长。换句话说，追求更高召回需要为更多候选付出模型调用成本。

这提示了一个实用的工程判断：两阶段架构的价值不在于无条件替代标签检索，而在于把“覆盖”和“成本”变成可调旋钮。对召回要求极高的场景，可以加深候选池；对延迟和成本敏感的场景，可以收窄候选范围。标签检索依然适合结果组织和粗筛，但在“找全证据”这一目标上，语义召回加模型过滤显示出明显优势。

召回率（recall） 是信息检索中的核心评价指标，定义为检索系统找出的相关条目数占语料中全部相关条目数的比例。在系统综述场景下，相关条目的全集通常由人工筛查确定，作为评估基准。召回率与精确率（precision）构成一对张力：扩大候选池可以提高召回率，但会引入更多不相关条目，拉低精确率，并增加下游人工或模型筛选的负担。本文中标签检索45%的召回率意味着超过一半的相关证据从未进入候选集，这一遗漏在证据合成中可能直接改变结论方向，因此召回率在该场景下的优先级高于精确率。

对AI检索系统的启示

很多AI系统面临同样的结构性问题：先在大集合里找全相关条目，再对找到的内容做组织。这项研究说明，把“找全”和“筛准”交给两个不同机制处理，比用一套标签同时承担两种职责更有效。嵌入擅长广覆盖，语言模型擅长按查询意图做精细判断，两者组合正好互补。

当然，这套方案也有需要继续观察的地方：语言模型过滤的判断质量如何保证、成本随深度上升的曲线是否可接受、以及在不同领域语料上能否复现同样的召回提升。但至少在随机试验证据检索这个任务上，数据已经给出了清晰的方向。

（本文基于rss来源的研究摘要撰写，未引入摘要之外的数据。）

背景补充

系统综述（systematic review） 是循证医学中一种严格的研究方法，针对某一具体临床问题，系统检索、筛选、评价并综合所有相关原始研究。其方法学要求预先注册检索策略，并尽可能全面地纳入证据，以降低选择偏倚。系统综述的证据检索阶段通常需要筛查数千乃至数万条记录，传统上依赖受控词表与自由词组合检索，再经人工标题摘要筛查。检索不全面是系统综述偏倚的主要来源之一，因此提升召回率、减少漏检，是该领域长期关注的方法学问题，也是本文两阶段方案所针对的核心痛点。