RAG 评测 RAG Evaluation

专门评估 RAG 系统“检索是否找对、生成是否忠于证据、端到端是否解决任务”的方法与指标集合。

分类：rag 类型：practice 别名：RAG Evaluation, 检索增强评测

RAG 评测关注的不只是“答案看起来对不对”，还包括：检索是否召回了关键证据、生成是否忠于证据、引用是否可追溯，以及在真实业务任务中是否降低幻觉、提高完成率。

常见评测维度

• 检索层（Retriever）：召回率、精确率、命中率（如 top-k hit）、覆盖度、重排增益。
• 生成层（Generator）：事实性、是否“忠于证据”（groundedness）、引用是否对应、是否遗漏关键限制条件。
• 端到端：任务成功率、用户改写率、人工接管率、延迟与成本。

实践建议

• 先做小而精的回归集：把真实问题与真实文档配对，覆盖高频与高风险场景。
• 分层定位问题：检索差还是生成差，解决手段完全不同（调索引/切分/重排 vs 调提示/结构化输出）。
• 把引用当作可验证接口：要求输出携带证据片段/来源，便于自动化核验。

相关词条

• RAG、Reranker、向量（Embedding）、Grounding

实践入口

• RAG 评测与回归清单（Checklist）

打开 GitHub 界面，修改后直接生成 PR