本文提出了一种新的“充分上下文”概念，用于分析检索增强生成（RAG）系统，并开发了一种分类实例的方法，探讨了RAG系统的失败原因，同时提出减少幻觉生成的策略。RAG通过引入外部相关上下文来增强大语言模型（LLM）的能力，例如在问答任务中，LLM会接收来自多个来源（如网页、文档或知识图谱）的综合信息。理想情况下，LLM应根据上下文生成正确答案，或在缺乏关键信息时回答“我不知道”。然而，RAG系统面临的主要挑战是可能生成幻觉信息，误导用户。此外，以往研究多关注上下文与用户查询的相关性，而忽略了上下文是否足够支持模型生成准确答案。本文强调，仅依赖相关性不足以保证输出质量，需结合充分性评估以提升RAG系统的可靠性和准确性。

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除