长篇问答是那些在排行榜上看起来令人印象深刻、在显微镜下令人不安的基准之一。这篇论文在Jeff Dean的2021年Google研究回顾中被指出，解剖了ELI5风格问题上的c-REALM系统，并发现许多所谓的改进是评估制品、检索噪声和数据集重叠的结果，而不是真正的推理收益。

长篇评论揭示了具体的障碍：奖励流畅幻觉的自动指标、几乎不影响生成答案的检索组件，以及导致分数膨胀的训练-测试污染。对于构建对话代理或由RAG驱动的语音助手的语音AI团队来说（用户在其中提出混乱的开放式问题），这些要点直接相关，因为TTS语音阅读看似合理但错误的长篇答案是独特危险的。如果你正在基准测试检索增强QA，并想避免发布稍后必须撤回的数字，请在阅读列表中为其分配一个位置。