已验证65% 置信事实精确时间

RAG的本质是扩充输入信息，并不改变模型内部的权重和推理习惯

3

来源数

65%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

开源模型价值观过时实测：知识锁死2023，RAG也救不回来

涉及实体

相关事实

已验证RAG的本质是将参数化知识（固化在模型权重中的知识）与非参数化知识（企业自有的可实时更新的外部知识库）解耦78% 相似待验证RAG的知识存储在外部索引中，模型本身并未内化这些信息，无法进行推理组合、技能迁移或形成新的概念抽象75% 相似待验证RAG（检索增强生成）和 Fine-tuning（微调）能一定程度弥补大模型无法感知企业内部数据的缺陷72% 相似已验证RAG的回答质量很大程度上取决于检索环节，而非模型能力本身71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/913208

API

curl https://kongchang.com/api/v1/knowledge/claims/913208

MCP

get_claim(id=913208)