arXiv cs.CL· Nabaraj Subedi, Ahmed Abdelaty, Shivanand Venkanna Sheshappanavar·· 3 天前AI 评分39
更多文档反而伤害 RAG：用领域范围检索测量并缓解向量搜索稀释
When More Documents Hurt RAG: Measuring and Reducing Vector Search Dilution with Domain-Scoped Retrieval
AI 导读
研究发现 RAG 在大型异构文档集上会出现"向量搜索稀释"：语料从 54 篇增至 1,128 篇时，precision@10 下降 63%，答案所在文档的召回率下降 23%。
正文 · AI 翻译
摘要：检索增强生成（RAG）在应用于大型、异构文档集合时性能会下降。在 RAG 系统中，稠密相似度的区分能力变弱，导致 top-$k$ 检索返回语义相似但上下文不正确的片段。我们将这种失效模式称为向量搜索稀释。即使在混合稠密+稀疏检索下，我们首先在一个已部署的怀俄明州交通部（WYDOT）系统中观察到这一现象；在一项受控实验中，将语料库从 54 篇文档扩展到 1,128 篇，使 precision@10 下降了 63%，包含答案的文档的召回率下降了 23%。在其他六个交通部中也观察到了类似模式。为诊断这一问题，我们引入了 MASDR-RAG（面向 RAG 的元数据限定域检索），作为在 200 条人工验证查询、五个 LLM 主干、六个公开基准语料库和两种索引栈上的受控测试平台。在 MASDR-RAG 中，域限定是承重组件。我们发现硬分区不安全，而当范围结构真实存在时，免训练的软限定是安全的。此外，我们可以在没有手工整理元数据的情况下发现这些范围。然而，多智能体编排会触发一个精确率-忠实度悖论，该悖论在格式控制、提示控制和盲法人工评估下依然存在。基于这些不同的结果，我们的实用建议很简单：先进行软限定，然后执行一次单一的合成调用。
| 评论： | 19 页，5 幅图，20 张表。预印本，正在 ACL ARR October 审稿中 |
| 主题： | 计算与语言（cs.CL）；信息检索（cs.IR） |
| 引用为： | arXiv:2606.11350 [cs.CL] |
| （或使用 arXiv:2606.11350v2 [cs.CL] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2606.11350 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Nabaraj Subedi [查看邮箱]
[v1]
2026 年 6 月 9 日星期二 18:26:24 UTC（844 KB）
[v2]
2026 年 10 月 14 日星期三 00:58:36 UTC（787 KB）
来源：arXiv cs.CL · arxiv.org