优化RAG上下文注入比例，避免信息稀释导致精度下降
Más contexto no es mejor. Paradoja de la dilución vectorial en RAG corporativos
- 通过控制摘要注入比例缓解向量稀释问题
- 适度注入使召回率提升18%，超过阈值精度降22%
- 提出理论框架计算最优注入比率，适合企业级RAG部署
近期的「上下文化分块」技术通过注入摘要来增强RAG的上下文，但会引入「向量稀释」效应，掩盖局部内容。通过评估不同注入比例（CIR），我们发现存在一条「倒U型」曲线：适度注入可使召回率提升18%，但当注入比超过临界值（CIR > 0.4）时，特定查询的精确度下降22%。本文提出了一个理论框架，用于计算最优注入比例。
原文摘要 · Abstract (English)
Técnicas recientes de "Contextualized Chunking" inyectan resúmenes para mejorar el contexto en RAG, pero introducen una "dilución vectorial" que opaca el contenido local. Evaluando distintos ratios de inyección, demostramos una curva en "U invertida": una inyección moderada mejora el "Recall" (+18%), pero superar un umbral crítico (CIR > 0.4) reduce la precisión en un 22% para consultas específicas. Proponemos un marco teórico para calcular el ratio óptimo de inyección. -- Recent "Contextualized Chunking" techniques inject summaries to improve RAG context but introduce "vector dilution" drowning out local content. Evaluating various injection ratios, we demonstrate an "inverted U" curve: moderate injection boosts Recall (+18%), but exceeding a critical threshold (CIR > 0.4) drops precision by 22% for specific queries. We propose a theoretical framework to calculate the optimal injection ratio.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。