待验证50% 置信事实精确时间

传统RAG通常采用向量相似度检索，但对结构化关系的捕捉能力有限

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

GitDecode：AI知识图谱代码库理解工具深度解析

涉及实体

相关事实

待验证在RAG场景中，分块大小、检索Top-K数量、相似度阈值、是否引入Rerank重排序模型等参数相互影响，没有通用最优解79% 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76% 相似待验证传统RAG依赖余弦相似度或点积运算匹配文本嵌入向量，对多跳问题处理能力有限，易导致大模型生成幻觉内容76% 相似待验证标准RAG管道通常是单轮、单源的静态检索，缺乏迭代深化、跨源验证和批判性评估的能力70% 相似待验证在RAG系统中，仅依赖更换更强的向量模型来提升召回率是不够的，被视为只会调用API的浅层认知68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/829740

API

curl https://kongchang.com/api/v1/knowledge/claims/829740

MCP

get_claim(id=829740)