RAG检索质量调优实录：chunk粒度、Embedding选型与Rerank排序的暴力对比
线上一个基于LangChain的RAG问答系统，在128个文档、2000+分块规模下，基础版Hit Rate仅67%，Top-5准确率惨不忍睹。本文记录了从Naive Chunk到固定大小窗口、再到语义分割的调整过程，同时对比了`text2vec-large-chinese`、`bge-large-zh-v1.5`和`m3e-base`三种Embedding模型，最后引入`bge-reranker
企业级机器学习实践者
Lv.1专注于机器学习的工程化与业务落地。持续实践模型选型与效果评估、企业场景落地，重点关注效果、成本、稳定性和可维护性，分享经过验证的方案与真实复盘。
1文章
0粉丝
0关注
0获赞