近日，研究人员提出了一种名为C3R（Certified Domain Consistency for Multi-Domain Retrieval）的新方法，旨在解决多域检索中常见的跨域污染问题。在多域混合语料库中，检索系统常常返回相关但来自错误领域的证据，传统排名指标难以捕捉这类错误，而现有的共形风险控制边界仅在边际上起作用，对最差领域的覆盖不足。C3R作为一种即插即用的控制层，通过推断域后验，无需查询时标签，在可行时认证逐域污染预算，否则选择弃权而非无声违规。在最困难的域上，它能保证污染减少，而非仅仅提供一个宽松的边界。
C3R的核心是一个基于风险控制预测集的两阶段方案。该方案的有限样本传输边界从推断域跨至真实域，且松弛量完全可估，支持异构预算，并可逆向应用于部署。其总体有效性依赖于该边界和受控模拟验证。实验表明，在数千次重采样校准中，C3R的认证从未被违反（稳定性结果），而边际控制在每次抽样中都会污染最严重的域。同时，软降级方法在相同认证污染水平下比最强校准级联保留更多召回率。
该方法在多个开放测试平台上可复制，包括一个来自公共联邦法规的独立测试平台。通过LLM判断的下游探针实验表明，错误权威依据随污染增加而上升，且在控制下下降。C3R层冻结堆栈且与重排序器无关，具有广泛的适用性。
该研究成果已提交至ACM TOI，相关论文可在arXiv上获取。