概念Top-K检索 / 粗召回
Top-K
Top-K是一种从候选集合中选取得分最高的K个元素的筛选策略，广泛应用于信息检索、推荐系统、自然语言处理及机器学习等领域。其核心机制是依据相似度、概率或其他评分标准对候选结果排序，并截取前K名作为输出，兼顾结果质量与计算效率。K值的设定直接影响结果的覆盖范围与精度之间的平衡。
核心事实
时间轴 (近 90 天)
10月20日
Temperature、Top-K 与 Top-P 是控制文本生成随机性的三个核心采样参数，常见组合是 temperature 0.7~0.8、Top-K 40、Top-P 0.9~0.95。
待验证50%
9月16日
Top-K的K值应通过离线评估确定，在标注测试集上统计不同K值下的召回率（Recall@K），找召回率曲线趋于平缓的拐点
待验证50%
9月10日
Top-K剪枝策略本质上是一种基于优先队列（最小堆）的分支限界算法
待验证50%
全部知识事实 (6)
已验证
Top-P（核采样）从累积概率超过阈值P的最小token集合中采样，Top-K仅从概率最高的K个候选中选择
80%待验证Top-K检索是从向量数据库中取相似度最高的前K个片段作为候选内容
95%待验证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
90%待验证Temperature、Top-K 与 Top-P 是控制文本生成随机性的三个核心采样参数，常见组合是 temperature 0.7~0.8、Top-K 40、Top-P 0.9~0.95。
50%待验证Top-K的K值应通过离线评估确定，在标注测试集上统计不同K值下的召回率（Recall@K），找召回率曲线趋于平缓的拐点
50%待验证Top-K剪枝策略本质上是一种基于优先队列（最小堆）的分支限界算法
50%