微信扫码
添加专属顾问
深入解析RAG系统的核心指标:召回率与准确率如何相互制约又相辅相成。 核心内容: 1. 召回率与准确率的定义与计算公式 2. 两者在RAG系统中的矛盾关系与平衡策略 3. 实际优化案例:从相似度检索到重排序的两阶段解决方案
“ RAG的优化方向只有两个,召回率和准确率也就是精度。”
在前面的文档中简单介绍过RAG的几种优化方式,因为从本质上来说RAG的目的只有一个,那就是快速并且准确的召回数据。
但在实际的RAG系统中,我们往往会面临着一个问题,那就是召回率和准确率的问题;如果RAG系统的召回率太低,那么RAG就没有了存在的意义。
以作者目前遇到的实际问题为例,就是数据召回率不足,更不用说召回的准确率了,也就是精度。
虽然说影响RAG效果的因素有很多,但单纯的从RAG的角度来说,主要就两个方面:
1. 召回率
2. 召回准确率
任何与RAG有关的优化方案,基本上可以说都是从这两个角度出发;所以,今天我们就主要来讨论一下这两个问题。
RAG召回率和准确率问题
很多人在做RAG的时候都没有搞明白一个问题,那就是召回率和准确率,以及其之间的关系。
我们知道在大模型的应用中,召回文档的质量直接影响到模型的输出结果;因此,召回文档的重要性就不言而喻了。
甚至很多人都不知道怎么去评判一个RAG系统的好坏,以及具体是哪些因素影响了RAG的表现?
作者刚开始在做RAG系统的时候感觉RAG好简单,流程明确,也不复杂;无非就是切分一下文档,然后通过嵌入模型和相似度检索对文档进行召回即可。
但在实际的操作过程中却发现,虽然RAG系统实现起来很简单,但要真的想把RAG给做好,却不是一件容易的事情。
作者目前遇到的一个问题就是,RAG系统整体是跑起来了,但其召回率特别低,还不到百分之五十;其中一部分是文档处理的质量不太好,其次就是召回策略的问题。
但不管是什么问题,总之就涉及到两个概念;召回率和准确率。
召回率解决的是召回相关文档的数量,准确率解决的是召回相关文档的准确性,也是有效性。
但很多时候召回率和准确率是一个矛盾体,想提升精度,就必须限制其检索范围,但限制检索范围就肯定会影响到召回率;反之亦然。
当然,面对这种问题业界的普遍做法还是分为两步,第一步是先解决召回率问题,第二步再通过精排或其它方式解决准确性问题。
以相似度检索和重排序为例:
1. **召回率(Recall)**: - 定义:在所有相关文档中,系统成功检索出的比例。 - 公式:Recall = (检索出的相关文档数) / (总相关文档数) - 目标:尽量不遗漏任何相关文档(即减少漏检)。
2. **准确度(Precision)**: - 这里我们特指召回的准确度,即检索结果中相关文档的比例。通常我们关注Top K的准确度(Precision@K)。 - 公式:Precision@K = (前K个结果中相关文档数) / K - 目标:确保返回的文档尽可能都是相关的(即减少噪声)。
**区别与联系**
区别:
- 召回率关注的是系统找到所有相关文档的能力,强调“全”。
- 准确度关注的是系统返回的文档中有多少是相关的,强调“准”。
联系:
- 两者通常是一对矛盾(召回率高时,准确度往往低;反之亦然)。
因为为了追求高召回率,我们可能会放宽检索条件,导致返回更多不相关文档(准确度下降)。而为了追求高准确度,我们可能会设置严格的检索条件,导致漏掉一些相关文档(召回率下降)。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-08-07
从胡言乱语到精准改代码:我是如何让 AI 读懂老项目的
2026-08-07
14 种文档格式转 Markdown,一个 Rust 库全搞定
2026-08-06
火山引擎 RDS MySQL 向量索引:把高性能向量检索带到 MySQL 上
2026-08-05
RAG越来越“没存在感”,问题出在哪?
2026-08-05
本体驱动 ERP:RAG时代,向量库、知识图谱、本体选哪个?
2026-08-04
把知识库堆到 50 万份后,1994 年的老算法赢了所有新方案,一篇新论文文,把 RAG 圈最火的几个检索方案都打了脸
2026-08-03
RAG 文档切分(Chunking)策略与实现细节汇总
2026-07-29
RAG 真被 Google OKF 终结了吗?别急,它更像是企业级 AI 的关键拼图
2026-05-27
2026-05-14
2026-06-18
2026-06-23
2026-05-18
2026-06-10
2026-06-09
2026-05-22
2026-06-10
2026-06-15
2026-08-05
2026-08-05
2026-07-28
2026-07-27
2026-07-26
2026-07-25
2026-07-04
2026-06-23
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。