待验证50% 置信观点精确时间

许多RAG应用的误区在于将“拒答”视为异常情况，导致模型在证据不足时仍倾向于给出一个答案。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

RAG应用的拒答能力：让AI学会说'我不知道'

涉及实体

RAG应用concept

相关事实

待验证常见的RAG错误包括分块策略不当、嵌入模型与查询不匹配、检索结果未做重排序80% 相似待验证一次失败的RAG问答可能源于数据层面、理解层面、生成层面、编排层面等多个独立失败点77% 相似待验证传统RAG系统存在三大局限：检索不到答案直接返回空结果、无法回答元数据问题、缺乏多轮迭代纠错能力75% 相似已验证检索增强生成（RAG）无法完全消除幻觉，模型仍可能错误解读检索到的文档或在检索结果不足时自行补全74% 相似待验证当RAG检索模块返回的文档相关性不足时，模型可能被噪声内容误导产生事实性错误，或退回到训练数据中的陈旧知识72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1049648

API

curl https://kongchang.com/api/v1/knowledge/claims/1049648

MCP

get_claim(id=1049648)