待验证50% 置信事实精确时间

smithtune 以 LangSmith 追踪到的真实运行数据（traces）作为微调语料的起点

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/24

首次发现

有效期至：2026/12/23

来源

LangSmith Fine-Tuning 上线：一条 CLI 打通微调全流程

涉及实体

smithtuneproduct LangSmithproduct

相关事实

已验证RAG技术通过将问题转为向量检索最相近知识片段并拼入提示词，可大幅减少大模型幻觉59% 相似待验证RAG系统的瓶颈往往不在检索本身，而在于如何通过提示词告诉模型如何利用检索到的内容59% 相似待验证RAG系统中检索结果通常按相关性分数排序后顺序拼接，最相关的chunk不一定排在最显眼位置58% 相似待验证用真实的追踪数据做微调，相比人工构造的数据集，更贴近应用的实际使用场景，能减少微调后模型在线上的表现落差56% 相似待验证RAG架构使答案具有时效性且可追溯来源，但在整合多源信息时可能引入幻觉56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/948217

API

curl https://kongchang.com/api/v1/knowledge/claims/948217

MCP

get_claim(id=948217)