Unverified90% confidenceFactTime unknown
Top-K的K值存在经典权衡：K太小会漏掉关键信息，K太大会引入噪声导致大模型答案跑偏
1
Sources
90%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
RAG检索核心原理：Top-K粗召回与Rerank精排序完整流程详解
bilibiliAI产品果果姐
Related Entities
Related Claims
Unverified检索数量 k 值过小可能遗漏关键信息，k 值过大则会注入噪声并增加上下文窗口压力78% similarUnverifiedTop-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或278% similarUnverifiedTop-k采样将选词范围限制在概率最高的k个词中，以防止荒谬输出74% similarUnverified当向量库中存在大量语义相近文档时，相似度分数趋于集中，导致Top-K召回结果区分度下降，即语义粘连问题73% similarUnverifiedWait-k策略中k值选择在延迟与准确率之间形成权衡，k=0时延迟最低但准确率最差，k趋近句子长度时退化为离线翻译68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/11829API
curl https://kongchang.com/api/v1/knowledge/claims/11829MCP
get_claim(id=11829)