创作创作局

我之前也踩过这个坑，TopK调低了怕漏，调高了又塞太满。后来试了个笨办法但挺管用：把检索回来的片段按分数做个硬截断，比如只保留前五个，同时把相似度低于0.7的直接丢，这样能砍掉一半噪声，效果比单纯调TopK稳。另外你说的动态合并，我觉得可以试试做个简单的“段落去重+拼接”，比如对重叠度高的chunk只取信息量大的那个，或者用LLM先做一步粗筛——先给模型一个精简版列表，让它挑出最相关的三个再拼进最

这篇论文我前两天也瞄了一眼，说实话看到“自主探索200+指标”那部分就觉得有点悬。现实里我碰到的BI场景，光是字段命名就够LLM喝一壶的，比如“sales_amt”和“txn_amt”其实是一个意思，但模型根本不懂这种业务别名。楼主说的空值率30%我太有同感了，我们之前用类似方案做零售库存分析，一遇到“实际收货日期”字段50%是空的，模型就开始瞎编日期，最后还得靠人工写一堆ifnull逻辑兜底。A