只给"正面材料"，模型就容易把特例当通则
检索系统常有个隐蔽问题 ✗：它倾向于召回支持性的片段 ✔，
而否定句、例外条款、限制条件往往被漏掉 ✗ —— 于是模型给出过度概括的答案 ✔。
例如资料里写"除 A 场景外均适用" ✔，只召回后半句 → 答案就变成了"均适用" ✔。
一、哪些内容容易被漏
- 否定与例外（"不适用""除外""仅在…情况下"✔）；
- 限制条件（额度上限、时间窗口、地区限制 ✔）；
- 前提假设（"在标准配置下" ✔）；
- 变更说明（"自 2024 年起改为…" ✔ —— 旧文档仍可能被召回 ✔）。
共性：它们通常短、位置偏、词频低 ✔ —— 恰好是向量相似度最容易忽略的类型 ✔。
二、三种做法
- 切分时不要切断条件从句 ✔（"除…外"与主句必须在同一块 ✔ —— 属于切分规则问题 ✔）；
- 检索时加"条件词"扩展 ✔（把"例外/除外/不适用/仅限"作为查询扩展项或过滤信号 ✔）；
- 给召回结果做"完整性检查" ✔：同一文档里若存在"例外"段落，且问题与该段相关 → 一并带上 ✔。
第 3 种最实用 ✔：实现上可以按文档 + 段落类型做"邻居召回" ✔（把例外段与主段一起给 ✔）。
三、提示词里也要防守
- 要求模型："如果资料中存在例外或限制条件，必须一并说明" ✔；
- 要求"不要把局部结论推广为通用结论" ✔；
- 若资料只覆盖部分情况 → 明确写出"资料未涵盖 X 场景" ✔（见拒答那篇 ✔）。
这三条要写进输出格式 ✔（例如答案必须含"适用条件"一栏 ✔），否则模型会忽略 ✗。
四、怎么测这件事
构造 20 组"带例外"的样本 ✔：
资料：规则 R 适用，但场景 S 除外
问题：场景 S 该怎么办？
期望：明确指出 S 例外（而不是套用 R ✔）
分别测"只召回主段"和"主段 + 例外段" ✔ —— 后者应显著更好 ✔。
把这一组样本固定下来 ✔（它就是"例外召回"的回归集 ✔）。
五、一个常见反模式
用摘要替代原文 ✗：摘要过程最容易丢掉例外与限制 ✔（因为它按"重要性"压缩 ✔，而例外往往读起来"不重要" ✔）。
若必须摘要，要求摘要保留所有条件句 ✔，并在摘要上标注"原文可能含更多条件" ✔。
一条判据
抽 10 条回答，其中有多少条明确写出了适用条件或例外 ✔？
如果一条都没有，说明系统在系统性地"只讲一半" ✗。