CoverageBench-Negate 基准评测：密集检索器面对矛盾证据近乎失效

CoverageBench-Negate 通过构造否定表述与改写支撑文档，评测检索器在语料证据与参数化知识冲突时的表现。该基准覆盖 6 个数据集、约 63,000 组“原文-改写”证据对；BM25 能较好区分近孪生证据，Qwen3、Jina 密集检索器则接近随机水平，基准及构建 prompt 已在 Hugging Face Datasets 开源。