在MuSiQue数据集上使用冻结的Qwen2.5-7B-Instruct和MiniLM模型对600个案例进行评估，测试桥接感知上下文选择是否能优于完整上下文和其他基线。

  • 语义桥接提升实现了0.3482的F1分数，超越了BM25（0.3113）和带有随机提升的语义核心（0.3310）。
  • 该方法比完整上下文少使用16.6%的输入标记，同时预填充时间减少了15.3%，延迟降低了9.6%。
  • 配对自举比较显示，与BM25（+0.0368）和随机控制组相比，F1提升具有统计学显著性。
  • 桥接提升与完整上下文之间的差异尚无定论，F1差值为+0.0101。

结果表明，桥接感知提升比通用缩短或词汇选择更可靠地保留了依赖证据。