当证据发生冲突：检索增强型生物医学问答中的不确定性与顺序效应

生物医学检索增强大语言模型常面临不完整、误导性或内部矛盾的证据，而现有评估多关注有利上下文下的准确性，忽视冲突下的可靠性。本文利用 HealthContradict 数据集，在五种受控证据条件下评估六个开源模型。研究发现，仅反转矛盾文档顺序即可导致所有模型准确率下降，且 11.4% 至 25.2% 的预测结果发生翻转。为此，提出一种结合模型置信度与证据冲突检测器的“冲突感知弃权分数”。实验表明，在高难度条件下，该策略显著优于仅依赖置信度的方法，有效提升了选择性准确率，揭示了冲突证据带来的不确定性与鲁棒性挑战。