4. Lost at the End: Primacy Bias in Multimodal Retrieval-Augmented QA

  • 类型：arxiv
  • 标识：2606.16494
  • 链接：http://arxiv.org/abs/2606.16494v1
  • 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：multimodal
  • 形态：position
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：The findings indicate that recall@k is the wrong metric for deployed KB-VQA and that closing the gap requires reader-side intervention; the first controlled probe of reader-side position dependence in multimodal KB-VQA is designed, a gold-position protocol in which only the gold passage's prompt slot varies within question.
  • OpenAlex ID：W7164926555
  • OpenAlex DOI：10.48550/arxiv.2606.16494
  • DOI：10.48550/arxiv.2606.16494
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2606.16494
  • OpenAlex更新：2026-08-23
  • 标题中文：4. 迷失在末尾：多模态检索增强问答中的首因偏差
  • TLDR中文：研究发现，recall@k 并非已部署 KB-VQA 的正确评价指标，且弥合差距需要 reader 侧介入；本文首次对多模态 KB-VQA 中 reader 侧位置依赖性进行了受控探查，设计了一种 gold-position 协议——在问题提示中仅改变 gold passage 所在的槽位。
  • 副分类：rag
  • 待LLM分类：否
  • 来源文件：
  • /inbox/tom/2026-06-16-agent-rag-longcontext-radar.md
  • /inbox/tom/2026-06-17-agent-rag-longcontext-radar.md
  • [S2 enrich]
  • /inbox/tom/_candidates/2026-06-16-agent-rag-longcontext-candidates.json
  • [OpenAlex backfill]

可复用信息

    • 链接：http://arxiv.org/abs/2606.16409v1
    • 发布日期：2026-06-15
    • 作者：Bo Wang, Heyan Huang 等（6 人）
    • 关键词：agent, rag, benchmark
    • 为何重要：
    • 图 RAG 中的 Agent 迭代检索和推理，但纯结果强化学习存在 answer-path reward aliasing（正确答案可能来自捷径而非有用证据路径）和 search-update ambiguity（标量反馈无法指示调整哪些检索动作）。
    • PathRouter 提出路径感知训练框架，对齐奖励与检索质量，避免 Agent 学到浅层捷径。
    • 对构建可解释、可审计的 Agent 检索行为有重要工程意义。

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集