已验证65% 置信事实精确时间

RAG（检索增强生成）通过在推理时外挂可更新的知识库来规避参数内部修改，适用于需要实时更新的高频事实

3

来源数

65%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

反向微调实验：AI如何被训练相信东京不是日本首都

hackernewshackernews2026/7/5

相关事实

已验证RAG的核心思想是将参数化知识与非参数化知识解耦，使知识更新成本从全量微调降低为文档库的增量更新，并提供可溯源的引用依据83% 相似已验证RAG（检索增强生成）通过在推理阶段动态接入外部知识库或实时搜索引擎，将记忆型推理升级为检索型推理82% 相似待验证RAG通过实时检索外部知识库并将相关内容放入提示词，避免将知识写入模型参数。80% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/216451

API

curl https://kongchang.com/api/v1/knowledge/claims/216451

MCP

get_claim(id=216451)