chinese-english

本文介绍了X-RAMDocs-ZHEN——一个用于诊断检索增强生成中证据冲突的可控中英文基准测试，以及X-MADAM-RAG——一个可解释的流水线。该流水线在原始基准测试上优于基线模型，但在自然化压力测试下展现了局限性，凸显了文档级提取是一个关键瓶颈。