Retrieval Relevance
检索相关性
检索相关性是按照清楚的评分规则，判断搜索结果或答案有多符合用户的信息需求。
另一个例子
搜索审核人员检查 100 个问题，并为找到的每个段落分级。团队在固定的结果数量下测量排名，也按问题类型查看；只有向量相似度数字，不能代表相关性判断。
主要部分
- 01信息需求
- 02候选项
- 03分级判断
什么时候用
判断搜索结果或答案，是否符合明确的信息需求时，可以使用这个词。
什么时候不要用
不要把相关性当作正确性、热门程度、相似度或商业价值。
代码里的名称
query × item → graded judgment 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 检索相关性 (Retrieval Relevance)，让 AI 行为可以衡量，也能连回证据。 用户场景：搜索审核人员检查 100 个问题，并为找到的每个段落分级。团队在固定的结果数量下测量排名，也按问题类型查看；只有向量相似度数字，不能代表相关性判断。 AI 方法或概念：检索相关性 (Retrieval Relevance)。 适用理由：判断搜索结果或答案，是否符合明确的信息需求时，可以使用这个词。 不应使用的情况：不要把相关性当作正确性、热门程度、相似度或商业价值。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 检索相关性 (Retrieval Relevance)。 定义：检索相关性是按照清楚的评分规则，判断搜索结果或答案有多符合用户的信息需求。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。