SAFE-QE
SAFE-QE是一种免训练、检索器无关的查询扩展方法，通过子序列关联过滤机制识别并降权LLM生成的幻觉扩展词，将扩展词选择建模为约束覆盖最大化问题，并引入HETR指标量化查询侧忠实度
时间轴 (近 90 天)
SAFE-QE 是一种免训练（training-free）且检索器无关（retriever agnostic）的查询扩展方法，其全称为子序列关联过滤、广度感知的查询扩展（Subsequence-Association Filtered, breadth-aware Query Expansion）
SAFE-QE 为每个候选扩展词打分，依据是它在语料条件下的跨上下文可复现性：若某词在随机化查询上下文中反复出现却在伪相关文档集中找不到支撑，则很可能是模型主导性幻觉关联的产物并被降权
SAFE-QE 把扩展词的选择建模为在伪相关集上的约束覆盖最大化问题，目标是保留一组既足够广又保持一致且在重采样下稳定的扩展词
研究引入了新的查询侧忠实度指标 HETR（幻觉扩展词比率，Hallucinated Expansion Term Rate），统计没有任何相关文档支撑的注入扩展词数量
SAFE-QE 在 TREC 和 BEIR 两个基准检索集合上进行了评估
在 nDCG@10 排序指标上，SAFE-QE 与生成式扩展、语料引导式扩展在统计意义上无显著差异
SAFE-QE 每次查询仅注入 4.3 个无支撑词，而 Query2doc 为 27.8 个，HyDE 为 57.5 个
HyDE 方法每次查询注入的幻觉词数量约为 SAFE-QE 的 13 倍
在学习型稀疏检索器上，所有扩展方法都出现了性能回退，印证了查询扩展可能损害强检索器的担忧，而 SAFE-QE 在该场景下仍保持低幻觉率
研究核心结论是忠实度的提升不需要以排序质量为代价，幻觉过滤可以做到几乎免费
全部知识事实 (10)
SAFE-QE 是一种免训练（training-free）且检索器无关（retriever agnostic）的查询扩展方法，其全称为子序列关联过滤、广度感知的查询扩展（Subsequence-Association Filtered, breadth-aware Query Expansion）
50%待验证SAFE-QE 为每个候选扩展词打分，依据是它在语料条件下的跨上下文可复现性：若某词在随机化查询上下文中反复出现却在伪相关文档集中找不到支撑，则很可能是模型主导性幻觉关联的产物并被降权
50%待验证SAFE-QE 把扩展词的选择建模为在伪相关集上的约束覆盖最大化问题，目标是保留一组既足够广又保持一致且在重采样下稳定的扩展词
50%待验证研究引入了新的查询侧忠实度指标 HETR（幻觉扩展词比率，Hallucinated Expansion Term Rate），统计没有任何相关文档支撑的注入扩展词数量
50%待验证SAFE-QE 在 TREC 和 BEIR 两个基准检索集合上进行了评估
50%待验证在 nDCG@10 排序指标上，SAFE-QE 与生成式扩展、语料引导式扩展在统计意义上无显著差异
50%待验证SAFE-QE 每次查询仅注入 4.3 个无支撑词，而 Query2doc 为 27.8 个，HyDE 为 57.5 个
50%待验证HyDE 方法每次查询注入的幻觉词数量约为 SAFE-QE 的 13 倍
50%待验证在学习型稀疏检索器上，所有扩展方法都出现了性能回退，印证了查询扩展可能损害强检索器的担忧，而 SAFE-QE 在该场景下仍保持低幻觉率
50%待验证研究核心结论是忠实度的提升不需要以排序质量为代价，幻觉过滤可以做到几乎免费
50%