待验证50% 置信权衡取舍精确时间

RAG擅长语义检索但难以维护结构化的知识关系，摘要压缩则容易丢失细节且难以处理信息的更新与冲突

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

Wiki式记忆：AI Agent长期记忆的新范式

涉及实体

相关事实

待验证RAG 系统中召回太多会浪费上下文窗口空间，召回太少则可能遗漏关键信息，检索精确度是关键挑战77% 相似已验证RAG存在检索精度不稳定、语义匹配偏差以及消耗大量上下文窗口等缺陷74% 相似待验证RAG旨在解决大语言模型的幻觉问题和知识截止（Knowledge Cutoff）两大固有局限72% 相似已验证RAG通过检索外部知识库注入上下文，解决大模型知识过时和幻觉问题，相比微调成本更低、知识更新更灵活71% 相似待验证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，导致语义相关的假新闻可能比语义稍弱的权威报道获得更高检索优先级71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/829330

API

curl https://kongchang.com/api/v1/knowledge/claims/829330

MCP

get_claim(id=829330)