Corrective RAG（Yan 等）：检索质量评估与纠正分支

Corrective Retrieval Augmented Generation（Corrective RAG，简称 CRAG）由中国科学技术大学团队于 2024 年 1 月提交预印本，针对的是 RAG 管线一个长期痛点：检索器取回的材料并不总是对的，但标准 RAG 照单全收，垃圾进、垃圾出。CRAG 在检索与生成之间加了一道质检工序，让低质材料在被使用之前就被识别、替换或精炼。一句话结论：内容竞争的淘汰不只发生在“能不能被检索到”，还发生在“检索之后过不过得了评估关”——这一层在多数 GEO 讨论里缺席，却直接影响引用的稳定性。

纠正分支怎么走：正确、不正确与模糊三条路

论文设计了一个轻量检索评估器（retrieval evaluator），对取回的每份文档输出置信分数，按分数走三条分支。第一条是正确（Correct）：材料足以支撑作答，照常进入生成。第二条是不正确（Incorrect）：评估器认定材料基本不可用，整份丢弃，同时触发网页搜索，用实时检索结果补位——本地索引里的陈旧或低质材料被外部新鲜来源顶替。第三条是模糊（Ambiguous）：材料半好半坏，走“分解再重组”（decompose-then-recompose），先把文档拆成细粒度知识条带，过滤掉冗余与噪音，再把可用条带重组进上下文。

整套框架不改动生成器本身，即插即用，论文在四个覆盖短文本与长文本生成的数据集上验证了它对标准 RAG 的稳定改进。对我们而言，真正有信息量的是分支语义：检索系统自己承认“取回的东西可能错”，并且已经有成熟的工程手段去纠正——评估、替换、精炼，三步各自有明确触发条件。

对 GEO 监测的含义：引用波动的机制解释之一

品牌侧最常见的困惑之一是引用忽有忽无：同一问题今天引用你、明天引用别家。CRAG 提供了一种机制解释——存在一道你不可见的评估关，它在两次作答之间的分数波动，会直接改变内容是否被采用。你的页面在候选池里，但评估分数在阈值附近摇摆，引用就跟着摇摆；一次竞品页面被评高分，你的材料可能整批被降权。这与采样方差是两种不同来源的不确定性：前者是引擎对材料的判断波动，后者是解码层的随机性，缓解手段也不同——前者靠提高内容的评估确定性（事实密度、出处密度），后者靠多采样报区间（口径见采样方差术语卡）。

网页搜索兜底分支还有一层监测含义：当引擎侧对本地索引材料不满时，它会转向实时搜索取材。这意味着传统搜索侧的表现与 AI 引用之间存在新的传导路径——你在搜索侧突然被权重抬升的页面，可能经由纠正分支间接进入 AI 答案。把 AI 引用波动与自家搜索表现的时间序列并排看，比孤立解读 AI 侧数字更容易找到触发点。

评估器与重排的区别：一道常被混同的关

工程讨论里常把评估器与重排器（reranker）混为一谈，分工值得拆开。重排解决“排序”问题：候选材料都可用，谁排前面谁排后面；评估器解决“资格”问题：这份材料到底能不能用、可不可信。重排之后材料仍全部进入上下文，评估之后不合格的材料会整份出局，甚至触发外部搜索替换。内容方因此要过两道关：排序竞争要赢，资格审核也要过，抓手不同——排序靠语义相关性与结构清晰（重排原理见重排机制卡），资格靠事实密度与出处密度。

监测里有一个具体形态值得对照本框架：某批长尾问题里你的引用时有时无，头部品牌词却一直稳定。这往往说明材料处在评估阈值的边缘——内容类型恰好是评估最挑剔的那类，观点性表述多、可核验锚点少。把这类问题的答案抓下来做内容归因，比笼统看平均引用率更能定位要改哪几页。

对内容工程的含义与证据口径

顺着评估与精炼的反向逻辑，内容有四件事值得做。第一，提高事实密度：可核对的数字、日期、规格参数让评估器容易判“正确”。第二，出处可剥离：引用来源独立于正文表述，评估与重组时不易被误伤。第三，结构干净：一段一事、条理分明的材料在“分解再重组”里存活率更高，整页缠绕的行文容易被当噪音过滤。第四，时效明确：标注更新时间的材料更不容易在“过时”判断中被替换——时效信号的写作口径见时效信号术语卡。

证据徽章口径交代如下。本卡定级学术：评估分支与纠正机制出自公开预印本，题录与引用以 arXiv 官方页面为准；实验数据集是学术问答场景，结论外推到商业答案引擎属机制推断而非实证迁移——没有公开证据表明哪家引擎部署了同款评估器，但“检索结果先过质检再使用”的思路与各家引擎的引用筛选行为在方向上同构。横向阅读建议：CRAG 的评估关在检索之后、生成之前，Self-RAG 的自查在生成过程之内，两条防线可对照着读，见Self-RAG 文献卡；候选池的上游过滤——为什么进了索引未必进候选——见索引采样机制卡，三层合起来才是完整的选择漏斗。