待验证50% 置信事实精确时间
该顾问在其中一个审计案例中识别出某开源RAG基准测试中存在的15处评分差异，该项目维护者独立复现了发现并将修正纳入项目。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证评估RAG系统需要分开衡量两个环节：上下文相关性检验检索步骤（检索到的文档是否真正包含答案），忠实度检验生成步骤（生成的回答是否严格来源于检索到的上下文而非引入外部信息）。67% 相似待验证给工程师的建议是：在调优任何RAG参数之前，先写好评测集，利用律所团队已手工完成的研究成果作为基准，测量精确率和召回率并加入遗漏案例审计67% 相似待验证TriviaQA 上的发现经过了部分由人工审核的审计验证，排除了评分标准造成的假象66% 相似待验证对由项目方自行报告的单一来源基准成绩应保持审慎，测试集是否公开、人类专家基线如何定义等细节会显著影响结论的说服力66% 相似待验证研究通过能力阈值进行了验证，并将审计方法移植到第二个自发现规则OPEN上，证明方法的普适性66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1031771API
curl https://kongchang.com/api/v1/knowledge/claims/1031771MCP
get_claim(id=1031771)