AIAI学习站
继续学习
本章进度 8 / 19
42%
上下文、知识库与 RAG·判断·13 分钟
正文已完成

召回太少会漏证据，太多会淹没答案

用召回率、精确率和上下文预算理解检索取舍。

L084
为什么现在学

把“检索与召回”从听懂变成会判断，避免遇到真实任务时仍靠感觉选择。

本课会用什么
  • 无需安装新工具
  • 准备一个可对照的真实问题或样本

只取 top-1 可能漏例外，取 top-50 又会让无关片段占满上下文。参数应由查询集和错误类型调节。

这一课的结果

能根据漏检与噪声后果调整候选数量和过滤。

核心概念

先把关键判断说清楚

01

召回率关注应找到的证据是否出现

关键条款未进入候选后，后续模型再强也无法使用。

02

精确率关注候选噪声

大量相邻但无关片段会增加冲突、成本和错误引用。

03

分阶段平衡

第一阶段宽召回，第二阶段用重排和过滤缩小到可用上下文。

案例拆解

top-3 漏掉隐藏在附录的例外

普通规则排名高，唯一例外条款排第 7。

  1. 01

    召回扩大到 top-12，并加入 section_type=exception 提升。

  2. 02

    重排时将用户条件与例外适用范围匹配。

  3. 03

    最终上下文保留主规则与命中例外两片。

案例结果

宽召回找回关键证据，重排避免把 12 片全部塞给模型。

提交前练习

现在轮到你

分析一组检索结果的漏检和噪声。

完成本课需要：完成以下内容用于本课收口。

内容会自动保存在当前设备
查看参考答案与评分标准

参考答案

金标4片，top5命中2且3片无关；扩到top12命中4，按版本+主题重排后保留4片进入上下文。

评分标准

  • 同时观察漏检和噪声
  • 调节不只盲增 top-k
  • 最终预算明确

本课收口 · 应用检查

完成一次应用，再检查理解

完成一次必填练习，再通过理解检查；阅读标记和总结不设硬门槛。

0 / 2
02完成本课必填练习0 / 4 项必填内容已填写03通过理解检查点此去回答，约 30 秒
04补一句总结（可选）可以留空，不影响完成本课。
扩大 top-k 的主要潜在代价是？
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。

资料来源

继续核对与延伸阅读

本课内容最近更新于 。