Unverified60% confidenceTradeoffExact time
RAG的效果高度依赖文档切片策略质量，切片过长增加检索噪声，切片过短丢失上下文语义
2
Sources
60%
Confidence
Long-term
Relevance
7/21/2026
First Seen
Sources
Related Claims
UnverifiedRAG（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74% similarUnverifiedRAG系统的效果高度依赖于知识库质量，源文档提取阶段的信息丢失会受到垃圾进垃圾出的制约72% similarVerifiedRAG存在检索精度不稳定、语义匹配偏差以及消耗大量上下文窗口等缺陷72% similarUnverifiedRAG的检索质量高度依赖向量数据库构建质量与嵌入模型语义理解能力，检索到错误片段同样会引发错误生成71% similarVerifiedRAG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70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/577442API
curl https://kongchang.com/api/v1/knowledge/claims/577442MCP
get_claim(id=577442)