Your LLM Is Only as Good as What It Retrieves

检索质量是RAG系统中预测输出退化最可靠的单一指标，模型规模无法弥补检索缺陷。实验在HaluEval、TruthfulQA和FaithDial上发现检索层故障占幻觉的很大比例，与HELM和FaithDial分析结论一致。五种常见检索失败模式包括检索漂移、上下文截断、过期索引污染、低相关性top-k检索和多智能体间通信错误，且这些失败通常不可见，需要专用评估层才能检测。