二十八：Chunking-free RAG自测题¶

来源:http://mp.weixin.qq.com/s?__biz=MzYyNTk3Njg1NA==&mid=2247484323&idx=1&sn=ba78d97596eeb3bff4a79c6b410ecf87&chksm=f01eb0dac76939cc9ca74b971475acfe620881494579e750b29ace44faea1465abb5f61340ac#rd

A. 背景与基本概念¶

传统 chunk-based RAG 的基本流程是什么？
为什么传统 RAG 通常需要 chunking？
chunk size 和 overlap 分别影响什么？
chunking 会给 RAG 带来哪些典型问题？
什么是语义切断？它为什么会影响答案质量？
为什么说 chunking 不是一个无害的预处理步骤？
什么是 Chunking-free RAG？
Chunking-free RAG 是否意味着完全不选择片段、直接塞全文？为什么？
Chunking-free RAG 和 long-context RAG 有什么关系？
Chunking-free RAG 主要想解决传统 RAG 的哪些痛点？

B. Landmark Embedding 与 In-Context Retrieval¶

Landmark Embedding 的基本思想是什么？
landmark token 或位置标记在长文档中起什么作用？
为什么 landmark 可以缓解 chunk 边界问题？
Landmark Embedding 和普通 chunk embedding 的主要区别是什么？
query 如何与文档中的 landmark 或位置建立关联？
什么是 Chunking-Free In-Context Retrieval？
In-Context Retrieval 和传统向量召回有什么区别？
Chunking-free 系统中“定位”和“提供证据”分别指什么？
常见定位粒度有哪些？
常见证据窗口策略有哪些？
为什么 Chunking-free 仍然需要控制证据窗口大小？
如果证据窗口过小或过大，会分别有什么问题？

C. 架构、实现与相关技术对比¶

请描述一个 Chunking-free RAG 的高层架构。
Chunking-free RAG 的离线阶段可能做哪些工作？
Chunking-free RAG 的在线阶段可能做哪些工作？
Chunking-free RAG 与 Parent Document Retriever 有什么相似点？
Chunking-free RAG 与 Parent Document Retriever 有什么区别？
Chunking-free RAG 与 Small-to-Big Retrieval 有什么关系？
Chunking-free RAG 与普通长上下文问答有什么区别？
为什么长上下文模型不能直接替代检索？
Chunking-free RAG 和 GraphRAG 关注点有什么不同？
Chunking-free RAG 是否可以和向量数据库一起使用？如何结合？

D. 输入组织、引用与忠实性¶

Chunking-free RAG 中为什么要设计 doc_id、section_id 或 landmark_id？
请给出一种带位置标记的长文档 prompt 结构。
为什么位置标记有助于 citation 和后处理？
Chunking-free RAG 如何支持答案引用？
如果模型输出了错误 landmark 引用，应该如何评估和处理？
Chunking-free RAG 中如何避免模型在大上下文中忽略关键信息？
如何处理多个命中位置之间的重复和冲突？
如果答案需要跨多个位置综合，系统应如何组织证据？
Chunking-free RAG 如何设计资料不足时的拒答？
为什么 Chunking-free RAG 仍然会出现幻觉？

E. 评估与工程落地¶

Chunking-free RAG 评估为什么要同时看最终答案和证据定位？
什么是 evidence recall？
什么是 landmark hit rate？
什么是 span overlap？
如何比较 Chunking-free RAG 和 chunk-based RAG？
在相同 token budget 下，比较两种 RAG 方案应关注哪些指标？
Chunking-free RAG 的系统成本主要来自哪里？
Chunking-free RAG 的延迟可能比传统 RAG 高在哪里？
什么场景适合优先尝试 Chunking-free RAG？
什么场景不适合优先使用 Chunking-free RAG？
如果模型不理解 landmark 标记，会出现什么问题？
生产中如何从传统 RAG 平滑过渡到更接近 Chunking-free 的架构？

F. 排错与综合设计¶

如果 Chunking-free RAG 定位到了错误位置，你会如何排查？
如果定位正确但最终答案错误，你会如何排查？
如果答案缺少上下文前提，应该如何调整证据窗口？
如果上下文过长导致成本过高，应该如何优化？
如果文档包含表格或代码，Chunking-free 架构要注意什么？
如果文档版本频繁变化，Chunking-free RAG 如何维护位置引用？
如何在 Chunking-free RAG 中处理权限过滤？
如何结合 reranker 提升 Chunking-free RAG 的证据选择质量？
如何结合 contextual compression 控制 Chunking-free RAG 上下文长度？
如何为法律合同问答设计 Chunking-free 或接近 Chunking-free 的 RAG？
如何为论文问答设计 Chunking-free 或接近 Chunking-free 的 RAG？
如何为企业制度文档设计 Chunking-free 或接近 Chunking-free 的 RAG？
请比较 chunk-based RAG、parent document retrieval、long-context RAG、Chunking-free RAG 的优缺点。
请解释为什么 Chunking-free RAG 不是传统 RAG 的完全替代。
请给出一个 Chunking-free RAG 的最小可行实现方案。
请系统总结 Chunking-free RAG 的核心原理、适用场景、工程难点和面试表达要点。
```
        预览时标签不可点
```
<div class="