精准检索科学信息面临两大瓶颈：概念分布呈长尾且文献对事实极度敏感。这导致密集检索器效果受限，且依赖大语言模型的增强容易出现幻觉。\ \ 为此我们提出 REPAIR，一个自我演化的数据增强框架，专为科学密集检索设计。框架通过循环三个核心步骤不断填补知识缺口：\ \
- 长尾概念诊断：分析检索错误，定位缺失的稀有概念。\
- API 引导的证据扩展：调用外部知识库或工具，生成与缺失概念对应的可靠文本片段。\
- 硬负例挖掘：在新生成的证据中挑选与查询最相似但不相符的样本，构造对比学习对。\ \ 上述过程会产生新的训练对，喂回密集检索模型，实现迭代式的自我强化。通过事实层面的锚定，模型能够在细粒度上区分相似概念，显著降低幻觉风险。\ \ 我们在材料科学和生物医学的九个基准上进行全面评估，REPAIR 相比 19 种强基线提升显著，验证了针对长尾缺陷进行事实增强的必要性。\ \ 点评