增强多语言 RAG 系统的无偏好语言引导查询融合

多语言检索增强生成 (mRAG) 系统常表现出对高资源语言（尤其是英语）的偏好，导致广泛采用英语中转。虽然先前研究将这种优势归因于大型语言模型 (LLM) 的英语中心能力，但我们发现，这些测量受到评估基准中固有结构性偏差的显著扭曲。具体而言，我们识别出暴露偏差和黄金可用性先验——这两种偏差均由英语资源分布不均所致——以及源于主题局部性的文化先验，作为影响准确评估真实语言偏好的因素。为解决这些偏差，我们提出了 DeLP（Debiased Language Preference，无偏好语言偏好），一个校准度量，旨在显式消除这些结构性混淆因素。我们使用 DeLP 进行分析，发现此前报告的英语偏好很大程度上是证据分布的副产品，而非模型固有的偏差。相反，我们发现检索器根本上偏好查询语言与文档语言的单语对齐。基于这一洞察，我们引入了 DELTA（DEbiased Language preference-guided Text Augmentation，无偏好语言偏好引导文本增强），一个轻量且高效的 mRAG 框架，战略性地利用单语对齐来优化跨语言检索和生成。实验结果表明，DELTA 在 diverse languages across 领域 consistently 超越了英语中转和 mRAG 基线方法。