@ando_w: 今天面试了个候选人，简历写"精通 RAG"。 我问召回率多少，他说"挺好的"。我问怎么评估的，他说"问了几句感觉不错"。 这就是行业现状：90% 的 RAG 项目没有评估集，全靠手感。能说出 Recall 和 Precision 的，已经…

X AI KOLs Timeline 新闻
rag evaluation industry interview recall precision

摘要

一位面试官吐槽自称“精通RAG”的候选人无法说出召回率和精确度，指出行业中90%的RAG项目缺乏规范的评估集，全靠主观判断。

今天面试了个候选人，简历写"精通 RAG"。 我问召回率多少，他说"挺好的"。我问怎么评估的，他说"问了几句感觉不错"。 这就是行业现状：90% 的 RAG 项目没有评估集，全靠手感。能说出 Recall 和 Precision 的，已经是前 10%。
查看原文
查看缓存全文

缓存时间: 2026/07/09 09:40

今天面试了个候选人，简历写“精通 RAG“。

我问召回率多少，他说“挺好的“。我问怎么评估的，他说“问了几句感觉不错“。

这就是行业现状：90% 的 RAG 项目没有评估集，全靠手感。能说出 Recall 和 Precision 的，已经是前 10%。

相似文章

@sitinme: Github 30k star，不用向量数据库也能做 RAG，而且准确率还更高！ 做 RAG 的人应该都有过这种体验：向量数据库返回的内容“看起来相关”，但就是不是你要的那个答案。 特别是处理合同、财报、技术手册这类长文档的时候，你问“第…

X AI KOLs Timeline

介绍一个GitHub上30k star的开源项目，通过推理而非向量数据库实现RAG，号称准确率更高，解决了向量检索中相似不等于相关的问题。