待验证50% 置信事实精确时间
RAG 检索阶段通常面对百万级以上的向量,精确暴力搜索成本过高,因此普遍采用近似最近邻(ANN)方案
1
来源数
50%
置信度
长期有效
时效性
2026/11/12
首次发现
来源
涉及实体
相关事实
待验证高维向量检索面临维度灾难,精确暴力扫描在十亿级数据下无法满足毫秒级响应,实际系统普遍采用近似最近邻(ANN)算法,如 IVF、HNSW、DiskANN 等。68% 相似待验证在 RAG 流程中,召回阶段追求“不漏”,通常用向量相似度快速筛出几十到上百个候选片段;重排序阶段用更重的模型精细打分,追求“排序准”。65% 相似待验证RAG 设计中检索结果规模需控制,塞入过多文档会推高 token 成本并稀释关键信息;且检索必须发生在用户有权访问的数据范围内以避免越权数据间接泄露。64% 相似待验证链上追踪平台的介入使攻击后的资金流动更可见,在一定程度上提高了攻击者的洗钱成本。64% 相似已验证向量 RAG 依赖嵌入索引与相似度排序,适合语料规模大、查询语义模糊的场景,但索引需构建与维护,且切片边界会丢失跨文件上下文;代理式检索不建索引,语义准确、引用可追溯,但每问一次都要重新遍历文件,成本随问题数线性累加。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1163880API
curl https://kongchang.com/api/v1/knowledge/claims/1163880MCP
get_claim(id=1163880)