最近在做一个基于RAG的问答系统，用的开源Embedding模型，但发现检索出的top-5结果里，有些相关文档反而排得靠后。想试试微调一下模型，但卡在训练数据构造上：直接拿Q-A对去微调？还是需要构造query和doc的相似对？另外，正负样本的比例大概多少合适？有没有踩过坑的大佬指点一下，先谢过了！