Retrieval improves access to external information but does not guarantee factual support. This review separates retrieval, context use, attribution, and claim-level verification.
摘要
检索增强生成把外部文档引入回答过程，让知识更新与来源追踪有了更直接的接口。但一个系统检索到相关段落，并不保证生成的每项判断都得到段落支持。本文将证据链拆成召回、排序、上下文利用、生成与逐项核对，说明应如何阅读经典结果，以及如何避免把链接数量当成事实质量。[1][2]
1. 参数记忆与外部文档如何分工
Lewis 等人的 RAG 研究把生成模型与可检索的非参数文档存储结合。RAG-Sequence 和 RAG-Token 对检索文档如何参与生成采用不同建模方式。这个机制允许模型利用外部文本，但检索库的内容、覆盖范围和版本仍决定可用证据的边界；模型并不会因接入检索而自动获得完整世界知识。[1]
2. DPR 优化的是检索环节
DPR 用双编码器将问题与段落表示为向量，并按相似度寻找候选文本。它使检索不只依赖字面匹配，但向量相近也可能只是主题接近。系统仍需区分：段落提到了同一个实体，还是确实回答了同一问题；内容在语义上相关，还是在时间、地区与条件上适用。[2]
3. 怎样诚实地重绘论文结果
RAG 原文表 1 的 Natural Questions 测试中，DPR、RAG-Token、RAG-Sequence 的 exact match 分别为 41.5、44.1、44.5。图 2 按这些公开数值重绘，纵轴从零开始。它是同一论文表格内对所列系统的历史比较；训练与组件差异同时存在，因此不能把分数差全部解释为单一模块的因果收益。[1]
4. 把证据放进上下文仍会失败
Lost in the Middle 在多文档问答与键值检索任务中观察到，相关信息的位置会影响被研究模型的表现。该发现提醒我们，输入窗口能装下文档，与模型能稳定利用每处信息，是两回事。它并没有证明之后所有模型都以相同幅度退化；新的模型、提示与任务需要重新测量。[3]
5. 引用链接与逻辑支持要分开验
一条回答可能把正确链接放在错误结论后面，也可能把限定条件较窄的结果扩展到所有情况。本文建议为每个关键事实保存“主张—证据片段位置—来源版本”的映射，并检查证据是否真正蕴含结论。对于比较、日期和数字，应核对分母、单位与适用条件；对于推断，应在正文显式标为分析。
6. 一个可执行的评估拆分
先构造包含可回答与不可回答问题的集合，保留权威答案与证据位置。分别统计候选证据召回、最终答案正确性、引用指向正确性和主张支持率，并单独观察拒答。不要把这几类指标合成一个没有定义的“准确率”。如果评估者只看语言流畅度，系统可能在证据缺失时获得过高评分。
7. 更新与冲突如何记录
当来源修订、撤稿或不同机构口径冲突时，应先保存访问时间与具体版本，再说明采用哪一口径及原因。检索结果只是一条发现线索，原文核对才是可追溯事实的基础。对于尚未确认的信息，正确输出可能是说明缺口或暂缓结论，而不是从几个互相转载的网页中凑出表面共识。
给“支持”一个可操作的定义
以“某方法在某数据集上优于基线”为例，合格证据至少应说明方法版本、数据划分、基线和评分指标。如果原文只测了英文测试集，导读不能删掉语言条件；如果数值来自开发集，不能改写成独立测试集表现。来源支持的范围越精确，后续读者就越容易发现真实分歧，而不是争论几个含义不同的“效果更好”。
后续实验可以如何设计
对同一组问题，依次比较不检索、给定正确证据和真实检索三个条件。第二个条件帮助判断生成与证据利用的上限，第三个条件暴露检索和排序问题。对不可回答题单独统计无依据断言，并让核对者只根据保存的证据判断支持关系。若人工核对者有分歧，应保留原始意见与仲裁规则。该设计不假设任何预设的改善幅度。
局限与结论
本文重绘公开表格，没有在本站运行问答基准，不能将图中结果视为本站系统的验收成绩。RAG 的价值在于把证据引入一个可检查的工作流。要获得可信回答，还需要逐环节的质量测量、版本保存与不确定性表达；检索是证据链的起点之一。[1][2][3]
| 环节 | 可以检查的对象 | 常见误读 |
|---|---|---|
| 召回 | 候选中是否有正确证据 | 主题相关等于答案证据 |
| 上下文利用 | 答案是否依赖所给段落 | 装得下等于读得准 |
| 引用支持 | 主张与证据是否对应 | 附上链接等于被证实 |
一次資料と主張の対応
- Lewis et al. · Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks一次資料を開く ↗資料の日付：2020-05-22；確認日：2026-10-15；該当箇所：v4; section 2 and Table 1RAG combines parametric generation and a nonparametric retrieved document store. NQ exact match: DPR 41.5, RAG-Token 44.1, RAG-Sequence 44.5 in this table.
- Karpukhin et al. · Dense Passage Retrieval for Open-Domain Question Answering一次資料を開く ↗資料の日付：2020-11；確認日：2026-10-15；該当箇所：EMNLP 2020 abstract and paperDual encoders represent queries and passages for dense retrieval; retrieval quality and answer correctness must be measured separately.
- Liu et al. · Lost in the Middle: How Language Models Use Long Contexts一次資料を開く ↗資料の日付：2023-07-06；確認日：2026-10-15；該当箇所：v3 abstract; multi-document QA and key-value retrievalIn studied models and tasks, placement of relevant information affects accuracy; this is not a universal failure rate for later models.
図の生成方法・データ・仮定
[
{
"slug": "rag-evidence-chain",
"role": "conceptual-cover",
"generator": "OpenAI built-in image_gen",
"ai_generated": true,
"alt": "金线穿过半透明资料片，汇聚到玻璃方块中的检索证据概念插画。",
"original_sha256": "8e25ae68976defbe7df9c6a0ba18b2447dcd6d30caa4d3867b4f73423dc8aff5",
"prompt": "Create a premium science journal editorial cover art, landscape 3:2, edge-to-edge artwork, NO text, letters, numbers, logos, borders or watermarks. Museum-quality sculptural still-life photographed with a large-format lens; physically believable materials and light, masterful composition, restrained warm gold details with rich dark ink accents. Sophisticated contemporary research magazine, tactile cinematic art, strong silhouette readable at thumbnail size. Conceptual illustration openly labeled by publisher, not an experimental visualization. Avoid generic AI brains, robots, microchips, neon cyberpunk, stock-tech clichés, flat infographic boxes, glossy plastic, rainbow gradients. Topic: retrieval augmented generation and source evidence. In a deep petrol-green library-like abstract gallery, many translucent vellum and glass sheets float as a graceful arch; a single fine gold ribbon travels through the sheets, collecting three warm luminous fragments into a sharply focused crystal block in the foreground. No visible writing or books with fake letters. The sheets are layered sculptural panels, visually implying evidence fragments. Stunning contrasting light, emerald glass, warm ivory, copper gold, detailed light refraction, shallow depth of field, elegant and unmistakable composition.",
"files": [
{
"file": "assets/covers/rag-evidence-chain.png",
"width": 1280,
"height": 853,
"bytes": 1560956,
"sha256": "78b44e5d78f9947ab1af23ef0ab875a45e34be2313ae4be1587f747e1fb3ea55",
"url": "/guides/assets/v2-rag-evidence-chain-78b44e5d78f9.png"
},
{
"file": "assets/covers/rag-evidence-chain-480.png",
"width": 480,
"height": 320,
"bytes": 267394,
"sha256": "122398ffdcd1de0fbfa763d3942592b0c84d019fe180deb702401c2a82135e3d",
"url": "/guides/assets/v2-rag-evidence-chain-480-122398ffdcd1.png"
}
],
"url": "/guides/assets/v2-rag-evidence-chain-78b44e5d78f9.png",
"thumbnail_url": "/guides/assets/v2-rag-evidence-chain-480-122398ffdcd1.png"
},
{
"slug": "rag-evidence-chain",
"role": "data-chart",
"file": "assets/charts/rag-evidence-chain.png",
"width": 1800,
"height": 1125,
"sha256": "475f0e5b7e195fed9240f6980e7b57398fbb0b00ad576bbd57c2c83e75d221d7",
"bytes": 96457,
"alt": "图表：重绘 Lewis 等人 RAG v4 表 1 的 Natural Questions exact match（%）：DPR 41.5、RAG-Token 44.1、RAG-Sequence 44.5；为公开历史结果，非本站复现。",
"data": {
"kind": "reported",
"source": "rag",
"locator": "v4 Table 1 NQ",
"systems": [
"DPR",
"RAG-Token",
"RAG-Sequence"
],
"exact_match_percent": [
41.5,
44.1,
44.5
]
},
"data_source_sha256": "963323d4a7a0cad4aebd986f09a55251a7c21f68c757d21b76245a128675e13e",
"ai_generated": true,
"disclosure": "AI-assisted deterministic rendering of unchanged v1 data; not a new experiment.",
"url": "/guides/assets/v2-rag-evidence-chain-475f0e5b7e19.png"
}
]
著者・版・訂正履歴
v3 で5言語の表示を追加。原文、29件の出典、図表データを保持し、v1・v2 も引き続き公開しています。
文献导读与方法分析；不是原创实验论文、正式期刊录用或专业资质认证。解析示例不代表本站或当前产品的实测表现。
v1 原版を見る · 本文・図・出典対応をダウンロードv2 原版を見る