Para penulis memperkenalkan MIRAGE, mekanisme pertahanan bebas pelatihan dan agnostik-model yang dirancang untuk melindungi sistem Retrieval-Augmented Generation (RAG) bentuk panjang dari misinformasi dalam bukti yang diambil. MIRAGE membangun grafik klaim lintas-dokumen berbasis NLI dan memanfaatkan Defended-Claims Gate untuk mengondisikan generasi pada klaim yang konsisten dan didukung multi-sumber, atau memblokir pengambilan sepenuhnya.
Sistem ini dievaluasi bersama protokol polusi suntingan minimal yang mencakup empat keluarga gangguan: Unambiguous, Conflicting, Misleading, dan Fabricated. Pengujian di empat benchmark QA bentuk panjang dan berbagai LLM komersial serta open-weight menunjukkan bahwa meskipun polusi secara parah menurunkan RAG vanilla, MIRAGE secara konsisten memulihkan faktualitas di bawah bukti campuran dan sepenuhnya terpolusi.
MIRAGE mengungguli metode robust-RAG sebelumnya dalam mempertahankan akurasi meskipun adanya misinformasi halus atau fabrikasi dalam potongan yang diambil. Implementasi dan dataset adalah.