已验证65% 置信解决方案精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

零基础学AI Agent开发：四大板块学习路径全解析

涉及实体

相关事实

待验证检索增强生成（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77% 相似待验证Corrective RAG（CRAG）在检索后对结果质量打分，低质量时触发网络搜索兜底75% 相似待验证CRAG 中的查询重写让 LLM 将原始问题分解为若干更精确的子查询，分别检索后再合并，以降低词汇鸿沟导致的召回失败75% 相似待验证以RAG为例，面试官会追问为什么不用Fine-tuning、检索召回率低时如何优化、用哪种向量数据库及原因75% 相似待验证在检索增强生成（RAG）系统中，答案与上下文的联系通常通过向量相似度或引用片段来衡量74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/967731

API

curl https://kongchang.com/api/v1/knowledge/claims/967731

MCP

get_claim(id=967731)