待验证50% 置信事实精确时间
RAG（检索增强生成）通过在推理时外挂可更新的知识库来规避参数内部修改，适用于需要实时更新的高频事实
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
反向微调实验：AI如何被训练相信东京不是日本首都
hackernewshackernews2026/7/5
相关事实
待验证RAG的核心思想是将参数化知识与非参数化知识解耦，使知识更新成本从全量微调降低为文档库的增量更新，并提供可溯源的引用依据83% 相似待验证RAG（检索增强生成）通过在推理阶段动态接入外部知识库或实时搜索引擎，将记忆型推理升级为检索型推理82% 相似待验证RAG架构通过在推理时将外部知识库的相关片段动态注入上下文，缓解LLM的知识截止问题，但也扩大了间接提示注入的攻击面79% 相似待验证RAG架构中知识库的Embedding必须与源文档保持同步更新，否则模型会以高置信度给出基于过时信息的错误答案79% 相似已验证RAG的本质是将参数化知识（固化在模型权重中的知识）与非参数化知识（企业自有的可实时更新的外部知识库）解耦75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/216451API
curl https://kongchang.com/api/v1/knowledge/claims/216451MCP
get_claim(id=216451)