匹配正文：… 区分检索评估和生成评估两个层面列举3-5个核心指标（如Recall@K、BLEU、Faithfulness等）说明端到端评估与组件级评估的区别提及实际挑战如标注成本高、主观性、延迟与质量的权衡能结合业务场景举例说明一、评估维度分层 1. 检索层（RAG特有） Recall@K / MRR：衡量检索系统能否召回相关文档 NDCG：考虑排序质量的综合指标 Hit Rate：Top-K是否命中答案所在文档 2. 生成层 Faithfulness / 忠实度：生成内容是否…

#安克科技#评估与监控#Agent

面试题·RAG

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

匹配正文：…找齐。MAP 可以综合多个相关结果的排序情况。是否采用 MAP，要看一条问题是否确实存在多条经过标注的相关证据。什么时候应该看 nDCG？ nDCG 适合一题存在多条不同相关度结果的场景，例如直接支持答案的条款是高相关，背景段落是部分相关。使用它的前提是相关性等级有稳定的人工标准；只有“必要证据”和“非必要证据”两档时，MRR、Recall 与 Precision 更容易解释。指标实现本身并不复杂：截取前 K 条，按必要证据 ID 计算命中集合，再得到 Precision…

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#RAG#评测与上线#RAG 评估指标

面试题·评估· 字节

BGE-M3 vs BM25 怎么选?

匹配正文：…沟、词形变化敏感关键评估指标质量指标 Recall@k：前k个结果命中的相关文档数 / 已标注相关文档总数；前k中的相关占比是Precision@k。两者分别衡量覆盖和噪声。 MRR（Mean Reciprocal Rank）：首个相关文档排名的倒数均值，反映排序质量 NDCG@k：考虑位置衰减的加权得分，适合有明确相关性等级的场景效率指标 P99延迟：向量检索需关注HNSW索引构建与查询耗时 QPS/内存：BGE-M3需embedding服务和向量存储，BM25轻量 …

#抖音#BGE-M3 vs BM25#RAG 检索方案评估

MRR vs NDCG vs Precision 怎么选?

Agent/RAG 评估指标与挑战

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

BGE-M3 vs BM25 怎么选?