检索增强生成走到今天，方法论的重心一直压在「检索」这一侧：向量库怎么建、切块怎么切、重排怎么排、混合检索怎么融合。相比之下，「检索到的内容该不该被信任」这个判断，长期处于半空白状态。
arXiv 2609.22043 这篇论文正是从这里切入。它提出的观点朴素但锋利：当记忆库内部存在立场冲突时，标准 RAG 会不加鉴别地把冲突内容注入提示词，结果不是「信息更多」，而是「错得更狠」。
一个被忽略的放大效应
论文开篇给出的实验很直白。在 gemma-4-E4B-it 上构造带冲突记忆的检索场景：
- 记忆库为空（无记忆基线）：幻觉率 23.0%
- 标准 RAG 注入冲突记忆：幻觉率 53.0%，统计量
t = 11.82、p = 0.007
也就是说，注入冲突记忆让幻觉率翻了一倍多。这在直觉上说得通——模型面对两条互相矛盾的「事实」，没有元信息判断该信哪条，于是只能按表面相关性下注。但工程上这个效应很少被单独度量，绝大多数 RAG 评估都在干净的知识库上跑。
作者把问题形式化为：在检索与生成之间，缺少一个显式的决策环节。
MDL：三信号互补编码器
解决方案叫记忆决策层（Memory Decision Layer，MDL）。它是零参数的——没有训练权重，全靠几何运算。核心是一个三信号互补编码器，三个通道分别是：
相关性 M：查询嵌入与候选记忆嵌入之间的最大余弦相似度，即
M = max_j cos(e_q, e_m_j)嵌入使用 all-MiniLM-L6-v2 的 384 维句向量。
可靠性 R：刻画相关记忆内部是否自洽。先取余弦相似度超过 0.3 的记忆（不足两条则强制设为 0.5），算它们之间平均成对相似度，再乘以「无冲突程度」的平方：
R = clip( mean_pairwise_sim * (1 - phi)^2 , 0 , 1 )其中 phi 是立场冲突率，由一个词汇级冲突检测器标注，覆盖否定、是非极性与反义词对。
任务风险 A：按领域分配。在 TruthfulQA 上通过分级类别映射，在 HaluEval 上通过健康、法律、金融、科学关键词匹配，取值集合是 0.20、0.50、0.85 三档；健康、法律、金融、阴谋论类查询拿到 0.70 以上。
三个信号的设计分工很清晰：M 回答「像不像你要问的」，R 回答「记忆之间打不打架」，A 回答「答错代价多大」。它们各自都不足以支撑决策——论文在 3600 条记录上的统计印证了这一点：单信号准确率三者都只有 0.581，退化成多数类基线。
QR 正交子空间投影
三路信号怎么融合才不至于互相污染？这里用了线性代数手段。总维度 D = 16，按 5、5、6 分配给工作记忆、可靠性、风险三个子空间。对随机矩阵做 QR 分解得到正交基 Q，构造幂等投影算子 Pi_k，满足完备性——所有子空间投影之和等于单位阵。
每个子空间配一个权重矩阵，主投影项占主导，交叉泄漏项系数固定为 0.10：
W_k = s_k * Pi_k + eps_c * sum_{j != k} Pi_j (eps_c = 0.10)通道标量分别为 1.0（工作记忆）、0.7（可靠性）、0.5（风险）。标量到价值向量的映射用一组径向基函数，标准差 0.20，把 [0,1] 区间的一个数铺成 16 维向量，让相近的取值在表示空间里也相近。
最后融合成有界的元工作记忆表示：
v_meta = tanh( g_A * W_wm * v_wm + W_r * v_r + W_a * v_a + b )关键在于增益门控 g_A，它等于 0.5 + 0.5 * mean(v_a)。这一步把风险信号接成了对相关性通路的二阶调制。
风险反转与显式弃用
门控要生效，前提是风险信号方向和常规相反。作者于是做了「风险反转」：送进通道的不是风险值 A，而是 1 - A。
推演一遍就清楚这个设计的精妙：风险越高，1 - A 越小，风险通道向量幅值越小，g_A 随之收缩，相关性驱动的置信度被压制，最终 v_meta 的范数变小。整个过程没有任何训练参数，纯几何操作，却让高风险场景自发地变得保守。
这个范数随后被裁剪归一化成置信度 C；同时计算元表示与工作记忆通道的余弦相似度作为方向一致性 alpha，并用 0.3 + 0.7 * alpha 做门控调制。最终置信度再对照一组动态阈值，映射成四个离散动作：Active、Supp、Silent、Opt-Out。最后一档就是显式弃答——当高风险或冲突记忆把置信度压到最低阈值之下，系统直接拒绝注入记忆。
数字：降 56%，高风险归零
一般场景下，MDL 把冲突记忆下的幻觉率从 53.0% 降到 23.3%，相对降低约 56.04%（p = 0.014），基本回到无记忆基线的水平。
高风险场景是更有说服力的部分。在 A = 0.85 的健康、法律、金融类查询上，标准 RAG 的幻觉率是 63.0%，而 MDL 触发弃答后降到 0.0%；按风险加权的整体幻觉率降到 17.0%。
跨模型与跨数据集的泛化也做了（后端换成 deepseek-v4-flash，200 题乘 3 个随机种子）：
| 数据集 | 指标 | 无记忆 B1 | 标准 RAG B2 | MDL B3 |
|---|---|---|---|---|
| TruthfulQA | 整体 | 0.160 | 0.043 | 0.047 |
| TruthfulQA | 高风险 | 0.124 | 0.107 | 0.000 |
| HaluEval | 整体 | 0.083 | 0.065 | 0.070 |
| HaluEval | 高风险 | 0.040 | 0.027 | 0.013 |
规律很清楚：整体指标上 MDL 与标准 RAG 打平甚至略高，差异全部出现在高风险子集。这符合它的设计意图——它不是提升平均质量，而是在代价高的地方主动变保守。
与提示式自反思基线的对比更能说明性价比：
| 方案 | 整体 | 高风险 | 弃答率 | 额外大模型调用 |
|---|---|---|---|---|
| 标准 RAG | 0.048 | 0.119 | 0.880 | 0 |
| CRAG（提示式） | 0.050 | 0.059 | 0.645 | 有 |
| Self-RAG（提示式） | 0.005 | 0.000 | 0.833 | 约 2.1 次 |
| MDL | 0.048 | 0.000 | 0.877 | 0 |
Self-RAG 的整体指标确实最好，但要付出约 2.1 次额外大模型调用的代价。MDL 用零额外调用换到了同样的高风险零幻觉——这是它最有工程吸引力的地方。
延迟：比它要保护的那一步还快
决策开销的测量结果值得一提。单次控制器决策平均 40.1 微秒（中位 41.9，p99 74.5）。算上词汇冲突检测在内的信号聚合，总增加延迟约 0.14 毫秒，其中信号聚合占 71.0%。
横向对比更能说明量级：它前面那一步 384 维句向量编码大约要 6.8 毫秒，MDL 比它快约 50 倍；而一次大模型自评估调用需要 2.0 到 4.7 秒，MDL 快了四到五个数量级。正交投影矩阵在启动时预计算，运行时零消耗。
消融：诚实得有点意外
论文的消融实验里有一条很有意思的负面结果。
去掉价值编码器，准确率掉 17.8 个百分点（降到 0.434），这是最大的单项损失；去掉风险反转掉 5.5 个百分点；去掉一致性门控掉 1.6 个；去掉风险调制掉 1.7 个。
但去掉正交子空间、改用恒等投影，准确率反而上升 2.8 个百分点。作者自己的解读是：正交性主要贡献的是可解释性而非精度。
这个坦白值得肯定，也提醒读者别被「正交投影」这类词的光泽误导——它在这里的价值是让每一路信号各占一个可审计的子空间，便于定位「是相关性判错了还是风险判错了」，而不是涨点。另外，监督基线（逻辑回归 63.3%、MLP 63.0%、XGBoost 64.6%）与完整 MDL 的 0.612 大致在同一水平，也说明这套几何方案的能力上限受信号本身质量约束。
对工程实践的三点启发
把这篇论文放到实际系统里看，我认为有三条可以立刻用上。
第一，把「该不该信」做成独立可观测的一层。多数 RAG 系统把检索质量当成唯一变量，但真正让线上事故变得难查的，往往是「检索没错、问题是模型信了不该信的」。把决策环节显式化，等于给链路中间加了一个可观测点。
第二，低成本方案优先于自反思。Self-RAG 那类方案效果不差，但每次决策多两轮大模型调用，在吞吐敏感的场景里直接出局。0.14 毫秒的白盒几何运算，是可以无条件常开的。
第三，高风险场景值得单独设计一条弃答路径。论文最扎实的结果不是平均值，而是高风险子集的归零。这和现实中的产品直觉一致：宁可说「我不确定」，也不要在医疗、法律、金融问题上编一个像样的答案。
局限也要摆明。置信度与一致性实测正相关 r = 0.902，论文自己澄清这里的「解耦」指可独立归因与审计、而非统计独立，所以别把它当成两个真正正交的信号维度。另外，立场冲突检测目前是词汇级的，语义层面的矛盾（比如换个说法表达相反立场）未必能捕捉到——这一层是整条链路上最脆的环节。