RAGStress: A controlled benchmark for evaluating retrieval-augmented generation under knowledge-base degradation

arXiv cs.AI · 6 oct, 06:00

RAGStress es un benchmark de evaluación controlada para probar sistemas RAG (Retrieval-Augmented Generation) bajo corrupción sistemática de bases de conocimiento. El estudio introduce cuatro tipos de corrupción realista —corrupción factual, errores numéricos, envenenamiento de relevancia e inyección de contradicciones— con tres niveles de severidad, evaluados sobre más de 182.000 documentos de MMLU. Los resultados muestran que las corrupciones que afectan la fidelidad semántica son más dañinas que las perturbaciones de utilidad de señal.