待验证70% 置信观点时间未知

大多数RAG（检索增强生成）实现只解决了'检索到什么'的问题，却忽视了检索到的内容是否可信、是否互相矛盾的更深层问题

1

来源数

70%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

AI总答偏？用代码把资料编译成任务上下文

bilibili玉启智能

涉及实体

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77% 相似待验证检索是RAG中最重要的环节，如果知识匹配错了，后面所有环节全都白搭76% 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74% 相似待验证检索增强生成（RAG）无法完全消除幻觉，模型仍可能错误解读检索到的文档或在检索结果不足时自行补全74% 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74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/6247

API

curl https://kongchang.com/api/v1/knowledge/claims/6247

MCP

get_claim(id=6247)