RAG 评估维度：相关性、充分性、忠实性与来源质量

专业口径说明：本文依据公开研究和常见工程实现解释相关机制。不同产品的检索、重排、生成与来源选择策略并不相同；本文不还原任何平台未公开的固定权重，也不构成引用结果承诺。

相关性、可信度、充分性和忠实性是评估 RAG 质量时常用的分析维度，但它们不是所有 AI 产品公开采用的“四项来源评分”。

四个问题分别在检查什么

• 相关性：检索材料是否回答当前问题。
• 充分性：现有材料是否足以支持回答，还是应该继续检索或拒答。
• 忠实性：回答是否受到材料支持，是否添加了材料中没有的结论。
• 来源质量：材料是否适合支撑这类主张，是否可追溯、及时且存在利益关系。

内容方如何使用

这些维度适合作为内容审查表和内部测试框架。它们不能被包装成对 ChatGPT、百度 AI 或其他产品内部权重的还原。

对内容工作的实际意义

• 为关键主张匹配原始来源。
• 把结论、证据、时间和适用范围写清楚。
• 监测回答准确性，而不只统计是否出现品牌。

先分清四个评估对象

• 查询：用户真正要完成什么任务，问题是否包含错误前提或缺少必要条件。
• 检索片段：片段与问题是否相关，证据是否充分，来源是否合适且可追溯。
• 生成回答：回答是否忠实于片段，是否混入片段没有支持的断言，是否正确表达不确定性。
• 来源展示：链接是否指向真正支持该结论的页面，归属是否准确，用户是否能继续核验。

常见故障如何定位

如果检索片段本身不相关，问题可能出在查询扩展、索引或召回；如果片段相关但缺少关键条件，是充分性问题；如果片段完整而回答添加了不存在的数据，是忠实性问题；如果回答准确但链接到不支持该结论的页面，是来源展示或归属问题。

这几类问题需要不同的解决方法。站长只能直接改善自己的页面与证据，不能承诺修复产品内部检索或生成，但可以用清晰记录向平台反馈错误。

拒答也需要分类

• 安全政策拒答：问题触发产品安全边界，不应当作内容优化失败。
• 证据不足拒答：系统没有获得足够材料，适合检查内容覆盖与来源质量。
• 前提不成立：问题包含错误假设，好的系统应纠正前提而不是强行回答。
• 异常失败：超时、界面错误或暂时性服务问题，应从样本中单独标记。

一个轻量评估表

对每个问题分别记录检索相关性、证据充分性、回答忠实性、答案准确性、来源适配度和拒答类型。评分可以使用“通过/部分通过/失败/不适用”，并保留一句判断依据。样本量较小时，原始案例往往比平均分更有价值。

边界与结论

RAG 评估框架用于诊断系统和内容，不等于平台公开的引用选择公式。