文档切法不对，RAG召回率再高也白搭！Late Chunking零成本破解_IT互联网

1. 面试官问：RAG 到底解决了什么问题？90% 的人答错了 RAG 不是搜索增强，是开卷考试。闭卷幻觉率 39.6%，但开卷翻错页更惨——更强的模型会自信地包装检索错误。整条 RAG 管线七步，最被低估的是分块策略。NVIDIA 基准测试：页面级分块比所有固定 token 切分都好，256 token 固定切分召回率只有 62%，按标题层级切直接拉到 89%。Anthropic 的 Contextual Retrieval 四层叠加能把检索失败率降低 67%，成本只要 1.02 美元一百万 token。RAG 和微调怎么选？口诀：知识在变用 RAG，风格要改用微调，两个都要就混合。RAG 能不能彻底消灭幻觉？评论区告诉我你站哪边。 #AI面试题 #RAG #大模型 #程序员 #检索增强生成