待验证50% 置信事实精确时间

RRF（倒数排名融合）仅利用各路召回的排名位置信息（公式RRF(d)=Σ1/(k+rank_i(d))，k通常取60），对分数分布不敏感，绕开了跨模态分数对齐难题

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

企业级RAG知识库落地的5大工程硬伤：从Demo到生产的真实门槛

bilibili赋范课堂2026/7/4

相关事实

待验证在RAG场景中，分块大小、检索Top-K数量、相似度阈值、是否引入Rerank重排序模型等参数相互影响，没有通用最优解62% 相似待验证在RAG系统中检索结果按相关性分数排序拼接，最相关chunk不一定排在最显眼位置，可能因位置不当被模型忽视59% 相似待验证均方误差对应的是高斯分布假设下的最大似然，而分类问题的标签并不服从高斯分布56% 相似待验证HNSW可能陷入局部最优漏掉近邻，IVF在文件夹边界可能漏检，PQ用编号代替真实值带来精度损失56% 相似待验证离线RL的核心难题是如何避免对数据集未覆盖的状态-动作对产生过于乐观的价值估计（分布外外推问题）54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/180996

API

curl https://kongchang.com/api/v1/knowledge/claims/180996

MCP

get_claim(id=180996)