Better Retrieval, Worse Robustness:How Multi-hop RAG Amplifies Upstream ASR Errors

• 类型：arxiv
• 标识：2608.22872
• 链接：https://arxiv.org/abs/2608.22872
• 主分类：rag
• 形态：benchmark
• TLDR：Speech-based applications pass spoken queries through automatic speech recognition (ASR) before any retrieval module, so ASR errors enter the pipeline as a fixed upstream constraint. We empirically test whether two extensions to standard retrieval-augmented generation (RAG), entity-graph linking and iterative reformulation, absorb or amplify these errors. Using four English accents synthesized through neural TTS, we evaluate four RAG configurations on three multi-hop QA benchmarks (HotpotQA, 2WikiMultiHopQA and MuSiQue) against a clean-text oracle. Although the structurally richer configuratio
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：更优检索，更差鲁棒性：多跳 RAG 如何放大上游 ASR 错误
• TLDR中文：基于语音的应用在接入检索模块之前需先通过自动语音识别（ASR）处理口头查询，因此 ASR 错误会以固定的上游约束进入 pipeline。我们通过实验验证标准检索增强生成（RAG）的两项扩展——实体图链接与迭代式 query 改写——是吸收还是放大了这些错误。基于神经 TTS 合成的四种英语口音，我们在三个多跳 QA 基准（HotpotQA、2WikiMultiHopQA 和 MuSiQue）上评测四种 RAG 配置，以干净文本 oracle 为对照。尽管结构上更丰富的 configuratio
• 来源文件：
• /inbox/tom/_candidates/2026-08-25-agent-rag-longcontext-candidates.json