Unverified50% confidenceFactExact time
claim-overlap 评分器将答案拆解为词元或 n-gram 片段计算重叠比率，其思路与 ROUGE 指标家族（尤其 ROUGE-1、ROUGE-2）一脉相承
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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59% similarUnverified传统RAG依赖分块检索，将文档切分成片段后通过向量相似度匹配返回最相关段落，无法捕捉实体之间的逻辑关系和因果链条56% similarUnverified召回加重排（Recall + Rerank）先用 embedding 或关键词检索召回 Top 10 候选，再交给大模型做最终裁决，与RAG思路一致56% similarUnverified分数归一化面临的挑战是当某个知识库中没有真正相关文档时，归一化后的最高分仍可能被推高到与其他库相关结果同一水平，导致无关结果的高分假象56% similarUnverified重排序（Reranking）技术先用粗检索召回大量候选片段，再用精排模型重新评分，只保留最相关内容送入模型56% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/927974API
curl https://kongchang.com/api/v1/knowledge/claims/927974MCP
get_claim(id=927974)