研究揭示 RAG 检索层遭查询相关语料投毒可致 nDCG 降 40%-61%
原文标题：Reliability Stress Testing of RAG Retrieval under Query-Relevant Corpus Poisoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文对 RAG 检索准入环节做压力测试，在 SciFact 与 NFCorpus 的 623 条 BEIR 查询上，每条查询注入 5 篇定向文档可使经典检索器 nDCG@10 下降 40.2%-61.5%。查询锚定是 BM25 与稠密模型退化的主因，重叠过滤与 MMR 缓解效果有限。研究聚焦检索层失效，不涉及下游指令遵循。
- 问题
- RAG 检索层易被少量查询相关投毒文档污染，导致检索质量骤降。
- 方法
- 在 BEIR 查询上系统改变文档内容、攻击者查询信息与投毒预算，做检索准入压力测试。
- 结果
- 每条查询注入 5 篇定向文档使经典检索器 nDCG@10 下降 40.2%-61.5%。
- 影响
- RAG 安全不能只防下游指令注入，检索准入环节需专门加固。
深读 · 结论先行AI 生成展开看要点与影响 ↓
每条查询注入5篇定向文档，可使经典检索器nDCG@10下降40.2%-61.5%。
- •在SciFact与NFCorpus的623条BEIR查询上做隔离目标压力测试，每条查询注入5篇定向文档
- •查询锚定是BM25退化的主因；附加文本还会改变LSA与Hybrid排序
- •预训练BGE-small在仅查询P=5时目标暴露率达100%，加注入载荷后SciFact nDCG仅从0.269变到0.271
- •162条长SciFact查询上，两个随机词覆盖19.9%合格词，仍带来39.5% Hybrid目标暴露
- •基于重叠的准入可清除全查询投毒但可能大幅降低干净检索效用，MMR在测试配置下暴露不变
为什么重要：把RAG风险定位到检索准入这一环：投毒无需进入下游即可重创排序质量，且常见缓解手段效果有限；研究不涉及下游指令遵循。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。