在混合多个领域的文档库中进行检索时，常常会返回相关但属于错误领域的证据，而这些证据在排名指标中常常被忽视，且符合风险控制界限仅能边际覆盖最糟糕的领域。本研究提出了 C3R，这是一个可直接应用的控制层，通过推断的领域后验分布且无需查询时标签，认证可行的每域污染预算；如果不可行，则选择放弃而非默默违反。在最难的领域上，它保证了污染的减少，而非紧束缚。其核心是一个基于风险控制预测集的双重划分方案，其有限样本转移界限从推断域跨越到真实域，具有完全可估计的松弛，支持异质预算，并可用于部署。人群有效性基于该界限和受控模拟；在千次重采样校准中，证书从未违反（稳定性结果），而边际控制在每次抽样中都违反了最受污染的领域，且软降级在相同认证污染下保留的召回率高于最强的校准级联。该方法在开放测试平台上得到了复制，包括一个独立的公共联邦法规测试，且经过 LLM 评估的下游探针表明，错误授权的基础随着污染增加而上升，而在控制下则下降。该层是冻结堆栈且与重排序器无关。
博主点评： C3R 控制层的创新性在于其无标签的污染控制机制，提供了更为可靠的多域检索能力。通过有效的风险控制与严谨的实验验证，展示了其在真实应用中的潜力，值得关注和探索。