页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「知识库」找到 329 条内容
按专题浏览 →匹配正文：…答案的具体内容，包括文档 ID、Chunk、页码、段落、幻灯片或视频时间位置。 为什么证据不能省？ 假设系统最终答对了，但没有找到知识库原文，而是依靠模型训练知识碰巧说对。只看答案，这条样本会被判为成功；从 RAG 链路看，检索实际上失败了。 反过来，系统找到了正确证据，模型却理解错了。只看最终答案，团队可能误以为需要继续改检索参数。 证据把这两种错误拆开了。 只有答案与带证据评测样本的区别 答案告诉我们“应该说什么”，证据告诉我们“应该从哪里找到，以及这句话为什么成立”。 …
匹配正文：…call 可能很好；另一个系统精准命中答案段落，却因为 Chunk ID 与文档级标注不一致被误判。 同一套版本对比必须使用相同的知识库切分版本和标注粒度。Chunk 规则改变以后，旧 Chunk ID 也可能失效，需要重新建立证据映射，不能直接沿用原分数。 Recall@K：该找的证据有没有找回来 Recall@K 衡量的是覆盖率。 对一道问题，先有人工确认的必要证据集合，再看系统返回的前 K 条里命中了多少。可以写成： Recall@K = 前 K 条中命中的必要证据数 …
匹配正文：…未命中和日常请求也应该分组。 一条请求在首字前经过什么？ 可以按下面的顺序理解。 第一步，网关和应用服务接收请求，完成身份、租户和知识库范围校验。 第二步，进行 Query 处理。如果是多轮问题，还可能做话题判断和 Query 改写。 第三步，计算 Query Embedding。文档 Embedding 应在离线入库阶段完成，在线阶段通常只计算用户问题。 第四步，执行关键词召回和向量召回。两路之间没有结果依赖时，可以并行。 第五步，融合候选并做 Rerank，然后按门槛和上…
按学习路线查看教程、项目和面试题。