다단계(Multi-hop) 질문 답변은 복잡한 질문에 답하기 위해 여러 문서의 정보를 결합하는 것을 필요로 합니다. 이러한 시스템들은 점점 더 능력이 향상되고 있지만, 실패할 때 오류는 일반적으로 적절한 문서를 찾지 못했기 때문으로 돌려집니다. 하지만 이것이 개별 추론 단계 수준에서도 성립하는지는 대체로 검토되지 않았습니다. 우리는 세 가지 표준 다단계 QA 벤치마크를 통해 이를 조사했으며, 실패가 두 가지 뚜렷한 양식으로 분해됨을 발견했습니다: 필요한 구절(passage)이 검색되지 않은 '검색 실패(retrieval failures)'와 구절은 검색되었으나 필요한 사실을 추출할 수 없었던 '추출 실패(extraction failures)'입니다. 우리는 이 현상을 '사실 근거 마련 격차(fact-grounding gap)'라고 명명합니다. 추출 실패는 모든 단계별 결함의 거의 절반을 차지하며 표준 검색 지표로는 감지되지 않습니다. 이는 우리가 테스트한 모든 검색 개입으로 해결되지 않으며, 검색만으로는 개선할 수 있는 한계치를 설정합니다. 이 격차의 심각도는 벤치마크와 질문 유형에 따라 다르지만, 추출 실패는 측정하는 모든 데이터셋에서 나타납니다. 우리의 연구 결과는 검색 실패와 추출 실패가 근본적으로 다른 병목 현상이며 서로 다른 해결책을 필요로 한다는 것을 밝혀냈습니다. 이는 현재의 평가 관행에서는 찾아볼 수 없는 구분입니다.