评估 RAG 型 Agent 时如何分别度量检索质量与回答的接地性
围绕“评估 RAG 型 Agent 时如何分别度量检索质量与回答的接地性”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分检索召回不足与模型未依据检索内容作答两类失败,及各自的评估指标。
核心关键词RAG Agent 检索质量 接地性 groundedness 评估
AI Agent · RAG面试题第 1 页,显示第 1–4 题,共找到 4 道完整解析,可继续按分类、标签与关键词缩小范围。
按稳定语义路径排序
围绕“评估 RAG 型 Agent 时如何分别度量检索质量与回答的接地性”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分检索召回不足与模型未依据检索内容作答两类失败,及各自的评估指标。
围绕“知识库类只读上下文与会话记忆在注入和管理上应如何区分对待”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分无需更新的外部知识与需要增删改的记忆在生命周期管理上的差异。
围绕“多租户 Agent 平台中,不同用户的会话记忆与检索索引应如何隔离”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确向量库命名空间/租户过滤与记忆存储隔离的具体做法。
本文解释 RAG 检索污染的机制:恶意文档通过检索进入模型上下文,形成间接提示注入。分析攻击链路、具体场景、失败边界,给出可操作判断。