待验证50% 置信解决方案精确时间
CRAG在标准RAG基础上增加了评估-纠错机制：先对检索到的文档进行相关性打分，若分数低于阈值，则触发网络搜索或重写查询等纠错步骤
1
来源数
50%
置信度
长期有效
时效性
2026/10/2
首次发现
来源
涉及实体
相关事实
待验证检索增强生成（RAG）通过将模型输出锚定到经过核实的文档数据库，降低虚构内容出现的概率并实现引用可追溯77% 相似待验证Corrective RAG（CRAG）在检索后对结果质量打分，低质量时触发网络搜索兜底75% 相似待验证CRAG 中的查询重写让 LLM 将原始问题分解为若干更精确的子查询，分别检索后再合并，以降低词汇鸿沟导致的召回失败75% 相似待验证以RAG为例，面试官会追问为什么不用Fine-tuning、检索召回率低时如何优化、用哪种向量数据库及原因75% 相似已验证检索增强生成（RAG）通过引入实时网络搜索并附上引用来源来锚定事实，但其效果受搜索结果质量、文档解析准确率、模型理解能力等环节影响74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/967731API
curl https://kongchang.com/api/v1/knowledge/claims/967731MCP
get_claim(id=967731)