在自然語言處理中，檢索增強生成（Retrieval-Augmented Generation, RAG）是一種結合語言模型與向量搜尋的技術，可有效減少模型知識過時與產生幻覺的問題。若要建立一套高效能的RAG系統，下列何者為在「檢索階段」最關鍵的挑戰？
iPAS 考題解析
在自然語言處理中，檢索增強生成（Retrieval-Augmented Generation, RAG）是一種結合語言模型與向量搜尋的技術，可有效減少模型知識過時與產生幻覺的問題。若要建立一套高效能的RAG系統，下列何者為在「檢索階段」最關鍵的挑戰？
- A. 確保檢索到的文件能被完整納入語言模型的上下文視窗（Context Window）中進行生成
- B. 選擇使用Faiss或ScaNN等近似最近鄰搜尋函式庫
- C. 降低嵌入模型（Embedding Model）在高維空間中的計算成本與記憶體占用
- D. 避免向量檢索結果僅具語意相似但與查詢意圖無實質關聯的情況 ✓ 正確答案
詳細解析
在RAG的檢索階段，最核心的挑戰是確保檢索到的文件不只是向量空間上語意相似，更要與使用者的實際查詢意圖高度相關。語意相似但意圖不符的結果會導致生成內容偏離，即所謂的「相關但無用」問題。
出題年份：114 難度：★★☆