待验证50% 置信决策规则精确时间
评估系统时不能只看 recall@k 等检索指标，而应把端到端的答案准确率、冲突消解正确率和拒答合理性作为核心监控指标。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证检索评估优先看Recall@k，因为漏掉证据会让下游生成无从补救，而带回少量噪声文档通常还能被上下文窗口或reranker过滤掉。76% 相似待验证Recall@k和Reciprocal Rank@k这两个指标都不衡量最终答案是否正确、安全或有据可依，只回答检索层面的问题。74% 相似待验证recall@k 是指在 top k 结果中至少包含一个正确文本块的问题比例。72% 相似待验证为追踪和复现失败，每个评估用例需要记录问题、预期答案、检索到的文档ID和分块、相似度分数、提示词和模型配置、生成答案、指标结果、延迟和Token用量，同时应避免记录密钥或敏感用户数据。71% 相似待验证严格解析器在反序列化时会校验枚举值，一旦不匹配就抛出错误或丢弃整个响应。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1079371API
curl https://kongchang.com/api/v1/knowledge/claims/1079371MCP
get_claim(id=1079371)