Recall@K
衡量信息检索系统质量的核心指标，表示在返回的前K个结果中真正相关文档的召回比例，与生成答案质量评估相互独立，常用于RAG系统的检索层评估。
核心事实
时间轴 (近 90 天)
嵌入模型微调的评估不看loss而看检索指标，如Recall@K、MRR等。
召回质量评估常用指标有Recall@K、MRR（平均倒数排名）和命中率。
K的取值应结合下游生成阶段的实际上下文窗口来确定，例如若生成时只拼接前5个分块，则评估Recall@5比Recall@20更有意义。
Recall@k指标定义为前k个结果中包含已知相关文档的比例。
Recall@K表示在系统返回的前K个结果中，有多少比例的真正相关文档被成功找到
Recall@K衡量相关文档是否出现在前K个结果中，MRR衡量第一个相关结果的排名位置
集合式检索指标对应经典的 Precision@K、Recall@K 概念，衡量检索文档集合的相关性和召回比例
Top-K的K值应通过离线评估确定，在标注测试集上统计不同K值下的召回率（Recall@K），找召回率曲线趋于平缓的拐点
全部知识事实 (8)
Recall@k指标定义为前k个结果中包含已知相关文档的比例。
70%待验证嵌入模型微调的评估不看loss而看检索指标，如Recall@K、MRR等。
50%待验证召回质量评估常用指标有Recall@K、MRR（平均倒数排名）和命中率。
50%待验证K的取值应结合下游生成阶段的实际上下文窗口来确定，例如若生成时只拼接前5个分块，则评估Recall@5比Recall@20更有意义。
50%待验证Recall@K表示在系统返回的前K个结果中，有多少比例的真正相关文档被成功找到
50%待验证Recall@K衡量相关文档是否出现在前K个结果中，MRR衡量第一个相关结果的排名位置
50%待验证集合式检索指标对应经典的 Precision@K、Recall@K 概念，衡量检索文档集合的相关性和召回比例
50%待验证Top-K的K值应通过离线评估确定，在标注测试集上统计不同K值下的召回率（Recall@K），找召回率曲线趋于平缓的拐点
50%