检索增强问答（Retrieval‑augmented QA）在答案本身已出现在检索到的证据中时仍可能出错。根本原因是，竞争答案虽然只满足问题部分要求，却在检索文档中出现频繁，导致模型误以为它得到的支持最多。为验证检索偏差的直接影响，研究者人为增加了有利于竞争答案的段落比例，结果模型更倾向于选择该答案，说明仅凭候选答案的局部支持不足以决定最终答案。为此提出 Joint Constraint Aggregation（JCA）：对所有候选答案使用同一组由问题衍生的约束（即完整的需求），并在检索证据上统一比较。实验在三种评估设置和三种指令微调的基础模型上进行，JCA consistently 提升整体准确率，且在检索偏向竞争答案时优势更为显著。结果表明，当部分匹配和检索显著度把模型拉向错误答案时，基于问题全部要求的比较能够使答案选择更可靠。
点评：JCA 有效缓解检索偏差，提高答案选择的可靠性。