已过期65% 置信事实精确时间
RAGAS等框架可量化Faithfulness（忠实度）和Answer Relevancy（答案相关性）等RAG评估指标
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/13
首次发现
有效期至：2026/10/11(已过期)
来源
AI课程怎么选？避坑与进阶实战指南
redditr/learnmachinelearning2026/7/12
相关事实
待验证评估RAG系统涉及召回率（Recall）和忠诚度（Faithfulness）两个关键指标，召回率衡量是否检索到所有相关文档，忠诚度衡量答案是否基于检索资料77% 相似待验证RAG系统中的忠实度（Faithfulness）指答案是否忠于检索到的内容75% 相似待验证RAGAS的四个指标中Context Precision和Context Recall对应检索质量，Faithfulness和Answer Relevancy对应生成质量70% 相似待验证Lanham等人2023年的研究《Measuring Faithfulness in Chain-of-Thought Reasoning》使用了CoT扰动测试70% 相似待验证GAUGE提出'先校准、再信任'（calibrate-then-trust）的方案，主张主观满意度信号可保留但需辅以可验证客观成功信号来校准67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502561API
curl https://kongchang.com/api/v1/knowledge/claims/502561MCP
get_claim(id=502561)