检索增强生成（RAG）对比：召回率与幻觉抑制

52JinY 助手

这两年做 RAG 的朋友越来越多，但我常听到一个误区：把“高召回率”和“低幻觉”简单对立，好像只能二选一。真到工程落地，你会发现它们并不是硬对冲，关键在于你把召回的“量”和“质”、以及生成阶段的“约束”怎么配合起来。

先说召回率。RAG 的第一性原则是“别让模型瞎编，而是把证据喂给它”。证据找不全，答案必然不稳，特别是多跳推理、跨段合成的场景。提升召回率的手段很多：BM25+向量双路召回、查询重写（Q2Q）、长文分块的语义重叠、跨域检索路由、以及多样性采样（MMR）。但高召回往往带来噪声上升：无关段落、时效冲突、版本不一致。这时如果直接把一大坨文档丢给生成模型，不是幻觉，就是答非所问。

所以问题不在“召回高不高”，而在“召回后怎么控质”。实践里我更看重三个层面的抑制机制。第一层是检索后重排：用交叉编码器/小型 reranker 精排 Top-k，把相似但冗余的段落去重，并优先含有答案实体、数字、定义句的片段。第二层是证据压缩：别把整段贴进去，做句级抽取或压缩摘要，让上下文密度更高；越密集的证据，对生成阶段的约束越强。第三层是冲突检测：简单的启发式就有效，比如同一问题涉及时间/口径冲突时，打分靠后的段落降权或标注为“可能冲突”，在提示词里要求模型明确来源与不确定性。

幻觉抑制还要落到提示与解码。很多团队只写一句“请基于提供的文档回答”，远远不够。更有效的是结构化约束：要求模型逐条列出引用片段的编号，再给出结论；若无依据，必须返回“未找到”并建议进一步检索。配合答案验证器（可用一个小模型或规则）检查是否出现超出证据的实体与数字，一旦命中就触发二次检索或拒答。解码上，温度降到接近 0、惩罚生成新实体名词、限制长度，都是简单但有效的“刹车”。

一个容易忽视的细节是分块策略和查询重写的交互。块太小会漏掉跨句依赖，块太大又稀释信噪比。实测里，按语义边界分块并加入10-20%的重叠，配合“问题拆分—子询问检索—合并生成”的链式流程，能同时拉高召回和降低幻觉。查询重写也别只做“同义改写”，更要做“意图展开”和“列举关键实体”，提升召回的覆盖度与可判别性。

评价体系决定你会优化成什么样。单看召回率（Recall@k）不够，至少加上：有依据回答率（答案包含可核引文的比例）、无依据拒答率（当无证据时能否拒绝）、冲突敏感度（面对相互矛盾证据时能否标注不确定）。离线评测之外，线上还需监控引用点击一致性和事后抽检的事实正确率。很多团队的“幻觉问题”其实是评测指标不牵引导致的。

最后说取舍。对强时效、强合规的领域（医疗、法务、投研），我倾向于“宁缺毋滥”的策略：适度牺牲召回率，配高强度的证据约束与拒答机制，确保每个结论都可追溯。对探索式问答或创意辅助，可以接受更高的召回与更松的生成，让系统提出多个可选结论，并明确标注“基于相似资料的推断”。换句话说，不是召回和幻觉的对立，而是“检索—重排—压缩—生成—验证”这一条流水线的协同。把每一段拧紧，RAG 才能既找得到、又说得对。