已验证65% 置信事实精确时间
检索增强生成（RAG）无法完全消除幻觉，模型仍可能错误解读检索到的文档或在检索结果不足时自行补全
3
来源数
65%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证纯向量RAG在需要多跳推理或精确溯源的场景下容易产生检索到却说不清为什么的困境79% 相似已验证检索增强生成（RAG）技术可以通过引入外部知识源部分缓解幻觉问题，但在需要深度代码理解的漏洞分析场景中效果有限76% 相似已验证检索增强生成（RAG）是主流幻觉抑制技术，在模型生成回答前从外部知识库检索相关文档片段作为上下文注入提示词75% 相似待验证现成系统将RAG细节封装为黑盒，用户无法干预，当智能体给出错误答案时难以排查原因，是与自建RAG流程相比最显著的局限74% 相似待验证当RAG检索模块返回的文档相关性不足时，模型可能被噪声内容误导产生事实性错误，或退回到训练数据中的陈旧知识74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/556541API
curl https://kongchang.com/api/v1/knowledge/claims/556541MCP
get_claim(id=556541)