arXiv 研究：概率相关性评分在 BEIR SciFact 上优于纯稠密检索

该研究在 BEIR SciFact 基准的 300 条官方测试查询上，比较纯稠密检索 BGE-M3 与两种概率相关性决策评分（TypeSafe Jev Noul 和 OpenAI Decisions Predicate）。在全库检索加重排的条件下，深度 50 时的 nDCG@10 分别为 BGE-M3 0.6413、OpenAI 0.7545、Jev 0.7805，Jev 的 Recall@5 和 nDCG@10 最高。把候选深度从 50 扩到 100 能提高已知正例召回，但配对自助法显示最终效果变化不显著。API 评分成本约为原来的两倍，缓存可降低增量开销；研究结论是相关性决策可作为稠密检索的补充，不构成普遍优越性证明。