待验证50% 置信事实精确时间

当前主流的RAG（检索增强生成）架构理论上支持引用追踪，但实际部署中模型融合改写多个来源导致对应关系模糊

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

解剖对话式AI的网络搜索：ChatGPT、Claude、Grok谁更靠谱？

涉及实体

相关事实

待验证跨多个文档进行关联分析涉及多跳推理，是当前RAG架构的已知薄弱环节76% 相似待验证纯向量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73% 相似待验证对于本地部署的小模型，RAG不改动模型权重，文档更新只需重建索引，答案可溯源70% 相似待验证主流RAG评估框架包括RAGAS、TruLens、DeepEval，通常从检索质量和生成质量两个维度打分，但对标识符精确匹配和规则条款完整性等特化需求缺乏内建支持68% 相似待验证传统RAG通常采用向量相似度检索，但对结构化关系的捕捉能力有限68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931110

API

curl https://kongchang.com/api/v1/knowledge/claims/931110

MCP

get_claim(id=931110)