哥伦比亚大学 EMNLP2026 论文：稠密检索器会系统性受查询中的身份信号偏见影响

哥伦比亚大学团队在 EMNLP2026 展示的研究发现，基于 embedding 的稠密检索器会被查询中的身份信号系统性带偏。在亚裔美国人健康查询上，稠密检索器表现显著更差，真实查询差距可达 17 个百分点以上，且高于合成实验。即使拼接 BM25 等词法控制，偏见仍显著存在，说明问题超出表层词汇特征。