待验证60% 置信权衡取舍精确时间

文本分块过大会稀释检索精度，过小会导致语义不完整，分块策略直接决定RAG系统的检索质量

2

来源数

60%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

LangChain实战：用RAG技术构建文档对话应用ChatDoc

bilibiliAI大模型-入门教程2026/7/11

相关事实

待验证当前RAG系统的检索模块主要依赖语义相关度而非信源可信度筛选文档，这是其在事实核查场景下的核心架构性缺陷79% 相似待验证标准RAG难以处理多跳推理关系，固定大小的文本分块会破坏跨块的语义完整性78% 相似待验证当知识库规模超过百万文档量级时RAG检索精度会明显衰退，对跨多文档复合推理问题单次检索往往力不从心78% 相似待验证研究表明在RAG系统中，检索环节的质量对最终答案准确率的影响往往超过语言模型本身规模带来的增益77% 相似待验证传统RAG方案的核心局限包括：文档切片破坏知识整体语义结构、向量相似度检索难以捕捉深层逻辑关联、每次查询相互独立无法沉淀结构化知识76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/499971

API

curl https://kongchang.com/api/v1/knowledge/claims/499971

MCP

get_claim(id=499971)