RAG 检索评估指标 Recall、MRR 等的计算
哪些公司问过
答案要点
- Recall@k = 前 k 个结果中的相关文档数 / 该查询全部相关文档数
- Precision@k = 前 k 个结果中的相关文档数 / k
- MRR:每个查询取第一个相关结果排名的倒数 1/rank(无则为 0),再对所有查询求平均
- NDCG@k:按相关性等级计算 DCG,位置做 log 折损,再除以理想 DCG 归一化
- RAG 中召回率优先,生成侧另评忠实度、答案相关性等
易错点
- 把 Recall@k 的分母写成 k,混淆召回率和精确率
- MRR 计算时用了所有相关文档的排名,而不是第一个相关结果
- 没找到相关文档的查询直接丢掉而不是记 0,导致指标虚高
面试官常见追问
- MRR 和 NDCG 怎么选?
- 没有人工标注时怎么评估检索?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。