traeai 主题雷达
覆盖 RAG eval、检索评测、答案评测、Ragas、DeepEval、groundedness、召回率、重排与上下文质量。
想知道 RAG 系统如何评估、如何定位检索问题，以及哪些指标能证明系统真的变好了。
很多 RAG 项目失败不是因为模型差，而是无法衡量检索和答案质量；评测是从 demo 到生产的关键。
这个主题可以沿着工具、实践、对比等搜索意图持续扩展，不靠空壳换词，而是用真实材料更新。
持续抓取与 RAG 评测 相关的高分文章、播客、视频和推文。
把最近变化、反复出现的观点和争议点整理成稳定摘要。
自动连接相关公司、模型、产品、人物和概念，形成可继续深挖的入口。
按相关度、评分和更新时间筛出的可读内容。
Databricks发布Instructed-Retriever-1模型，通过并行测试时计算将搜索延迟降低3倍、首Token时间缩至2秒，且无需牺牲检索质量。该模型统一查询生成与重排序任务，利用多枢轴分组重排和并行查询扩展实现召回率与精确度的帕累托最优，为企业级RAG系统提供低延迟高精度检索新范式。
入选理由：Instructed-Retriever-1使搜索延迟降低3倍以上，TTFT降至约2秒，无需重新配置。
研究发现，RAG系统中检索质量差是导致高流畅性幻觉（更自信但更错误）的主因，模型升级无法弥补检索缺陷。
入选理由：检索质量差是RAG输出退化的最主要预测指标，模型能力增强反而加剧幻觉可信度。
LlamaIndex推出ExtractBench基准测试，发现商业VLMs在处理超过50页文档时召回率骤降至35%以下。
入选理由：ExtractBench测试了14个系统在370个企业文档、4869页、67种文档类型上的表现
Weaviate推出可配置召回率与精确率权衡的Query Agent搜索模式，工程师可按需选择多查询召回或单查询精确策略。
入选理由：recall模式通过多查询提升相关性结果数量，适合优先考虑覆盖率的场景。
