Unverified50% confidenceOpinionExact time
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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Related Claims
Unverified检索增强生成（RAG）无法完全消除幻觉，模型仍可能错误解读检索到的文档或在检索结果不足时自行补全72% similarUnverified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70% similarUnverified在Towards AI团队的场景下，GraphRAG设置成本远高于普通RAG，但效果与RAG打平，因此未采用69% similarUnverified对于本地部署的小模型，RAG不改动模型权重，文档更新只需重建索引，答案可溯源69% similarUnverified编译式RAG不要求严格的三元组建模，采用更灵活的知识节点与关联关系表示，降低了相比Graph RAG的构建门槛68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/42386API
curl https://kongchang.com/api/v1/knowledge/claims/42386MCP
get_claim(id=42386)