上下文召回

英文：Context Recall　分类：eval

基本释义

RAG 检索质量指标：衡量查询所需的相关信息被检索到的完整程度，高召回意味着关键信息未被漏掉，直接决定答案的完备性。

技术要点

计算：检索到的相关片段数 / 黄金相关片段总数（与黄金上下文对比）；评估：人工标注黄金片段或 LLM 判断；与上下文精度互补（召回率 vs 精确率）；优化：提高 top-K、改进切块与嵌入。

应用场景

用于 RAG 检索策略评估（漏检诊断）、知识库质量审计与问答系统覆盖度监控；上下文召回是"回答够不够全"的前置指标。

返回AI百科目录 · AI最前沿首页

相关词条：大模型评审 · 聊天机器人竞技场 · 数据治理 · 上下文精度 · 答案相关度