已验证65% 置信解决方案精确时间

检索增强生成（RAG）通过将模型输出锚定到经过核实的文档数据库，降低虚构内容出现的概率并实现引用可追溯

3

来源数

65%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

OpenAI推出Astra for Law：AI能否重塑法律行业工作方式

涉及实体

检索增强生成concept RAGconcept

相关事实

已验证检索增强生成（RAG）通过引入实时网络搜索并附上引用来源来锚定事实，但其效果受搜索结果质量、文档解析准确率、模型理解能力等环节影响79% 相似待验证在RAG实际使用中，分块策略、嵌入模型选择、是否叠加关键词过滤往往比数据库本身更能决定效果78% 相似待验证相比纯生成模型，RAG能显著降低幻觉、支持私有数据、并保持知识可更新性。77% 相似已验证CRAG在标准RAG基础上增加了评估-纠错机制：先对检索到的文档进行相关性打分，若分数低于阈值，则触发网络搜索或重写查询等纠错步骤77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/930654

API

curl https://kongchang.com/api/v1/knowledge/claims/930654

MCP

get_claim(id=930654)