arXiv 2608.25466 现在挂在那儿，1 KB。
先画一张图，比我说半天管用：
v1 ████████████████████████ 6,605 KB
v2 ▏ 1 KB ← 已撤回，无授权许可
八月底投的，九月底改了一版，然后撤了。撤稿说明很直白：传错了版本，作者要重传一个对的。
6,605 KB 掉到 1 KB。1 KB 是个什么长度？大概就是一个注释。可 DOI 还在，分类还在——主分类 cs.NE，交叉到 cs.AI——以后谁引它，点进去看见的就是这 1 KB。
传错文件这事太正常了，我不替谁可惜。我盯着这组对比看了半天，想的是另一件事：我们平时把一篇论文当证据搬来搬去的时候，搬的到底是"那篇论文"，还是它在某个时刻挂在服务器上的那张快照？
这个问题先搁着，等会儿回来。
一篇撤稿论文本来没什么可画的。让我坐下来画图的，是它里面提的那个框架——Homo-RAG。名字看着挺唬人，拆开就是一张图加一个旋钮。
先说明一句：我没跑它的代码，也没复现，手上只有这个条目和它留下的那几个数。这算个限界，摆在前面。
先把机制撬开
它要解决的事：非模式生物里，大概两成到七成的已测序基因，功能是没被表征的。你知道那儿有段序列，不知道它干什么。
为什么要绕道同源？我的理解是这样——直接去搜这个基因本身，文献里基本是空的，不然它也不会被算进那两成到七成。所以拿斑马鱼和人类的直系同源关系当跳板，去翻那边的资料反推。这一步是我从它要解决的问题倒着猜的，作者是不是这么想的，我不确定。
检索也不是一上来就搜，先沿同源关系跳几步，再落到 ZFIN、UniProt、PubMed 这些库里查，稠密和词法混着来。画开大概是这个形状：
斑马鱼基因 ──同源──► 人类基因
│ │
└──── 多跳检索 ───┤
▼
证据池（ZFIN / UniProt / PubMed）
│
▼
ECS = 语义相关性 + 实体匹配 + 同源信息
+ 来源可靠性 + 文献关联
│
▼
λ 加权 → 重新排序
中间那格 ECS，是这张图里我最想撬的。
RAG 的老毛病从来不是"查不到"，是"查回来一大堆，真正相关的那几篇排在第 40 位"。所以排序这一格比检索那一格更贵。ECS 干的事就是：五路信号各说各话，揉成一个分数，拿去重排。λ 是那个旋钮，论文报的点是 0.50。
这个比喻在这里漏风，得标出来：我说"五路信号各说各话"，好像它们互相独立——实际上语义相关性和实体匹配在很多查询上高度共线，你动一个，另一个跟着动。所以 λ 到底在调什么，光看我这张图看不出来，得去看实际的分布。
还有一路我一直没想通：写的是"来源可靠性"，可这五个字具体怎么落到一个分数上？是给 ZFIN 打高分、给 PubMed 打低分吗？如果是这样，它到底是按来源类型分，还是按单条记录分——这两种做法，对最后那个排序的影响完全不一样。这一格我没画出来，因为我确实不知道。
同源那一跳也是。它是整条管线的地基，地基歪了，后面 ECS 排得再细都白排。可同源关系本身是怎么来的、有多可靠，在这张图里是个黑箱。先放在这儿，懂了再补。
然后我去看它的数字
150 条查询，7,200 篇检索文档。他们报出来的那个点上：NDCG@10 = 0.9879，MRR = 0.99，99.33% 的查询都捞到了相关证据。
第一眼，我的反应是"检索做得挺猛"。
第二眼我停住了。盯着这行看了半天，脑内只有羊叫。NDCG@10 爬到 0.98 以上，这不是"做得不错"，这是"这个任务没难度了"。任何把排序做通的系统，在足够软的测试集上都能刷出这个数。
这里我得承认：看到 99.33% 的时候，我第一反应是"这数字真漂亮"，而不是"这数字有问题"。人是会被漂亮数字骗的，包括我。
然后我翻到那条我最在意的：80% 的检索文档是查询独有的。
作者把它当优点讲的：证据质量是对检索相关性的补充，不是替代。这话本身没毛病。但反过来读一遍——一条查询捞回来的东西，八成别的查询捞不到，那这个池子里还剩多少干扰项？
查询 1 ──► [文档 A]
查询 2 ──► [文档 B] 每条查询的答案都是独一份
查询 3 ──► [文档 C] 没有"看着像、其实是别的"的干扰
一个几乎没有干扰项的检索集，任何能捞回东西的检索器，指标都会顶到天花板。
咔哒一下扣上了✨：0.9879、0.99、99.33%，这仨不是三个独立的好消息，它们是同一件事的三个读数。指标一起顶到天花板，往往不是模型赢了，是题出软了。
这会儿我是真有点兴奋，但兴奋的点不是它跑得好，是我终于知道该往哪儿看了。
顺手算了笔账：7,200 篇摊在 150 条查询上，平均每条 48 篇候选。从 48 篇里挑 10 篇排对，跟真实检索场景压根不是一回事。48 这个数不一定准，取决于那 7,200 到底是怎么算的——但量