RAG-Stress 基准揭示检索增强生成易被误导证据带偏
原文标题：RAG-Stress: Probing the Limits of Evidence Reliance in Retrieval-Augmented Generation
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。
研究者提出 RAG-Stress 诊断协议，通过固定问题与参考答案、篡改一条断言来诱导错误答案，测量模型在检索增强生成中的「误导率」。在 TriviaQA-RC、HotpotQA、SearchQA 及中英文 MedQA 上评测 15 个系统（API 模型、开源模型、强化学习搜索智能体）发现：优先采信文档的指令比允许依赖先验知识的指令误导率高出 10.9 至 13.5 个百分点。结果表明「遵循证据」并不等于「事实可靠」，需要区分检索证据是保留、替换还是纠正了模型答案。
- 问题
- 检索增强生成中误导性证据会诱导模型替换原本正确的答案。
- 方法
- 提出RAG-Stress诊断协议，固定问题与答案、篡改一条断言，测量误导率。
- 结果
- 优先采信文档的指令比允许依赖先验知识的指令误导率高10.9至13.5个百分点。
- 影响
- 揭示「遵循证据」不等于事实可靠，RAG系统需区分证据保留、替换还是纠正答案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RAG-Stress显示优先采信文档的指令比允许用先验知识误导率高10.9-13.5个百分点
- •RAG-Stress固定问题与参考答案，篡改一条断言诱导指定错误答案
- •在TriviaQA-RC、HotpotQA、SearchQA及中英文MedQA上评测15个系统
- •覆盖API模型、开源模型与强化学习搜索智能体
- •优先采信文档的指令比允许依赖先验知识的指令误导率高10.9至13.5个百分点
- •平均误导率呈证据位置End>Beginning>Middle，但单个模型并不统一遵循
为什么重要：「遵循证据」不等于「事实可靠」，RAG系统与搜索Agent的评测需区分证据是保留、替换还是纠正了原答案。
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。