内部资料问答里的「撑不住」是什么意思，附数字

流程是四步：从企业资料里检索出相关段落，模型基于这些段落作答，然后把答案拆成句子，每一句单独和检索到的段落比对，算一个支持度。低于阈值的句子在答案里直接标成 unsupported。

服务页上的截图是产品自己的输出，不是示意图。问的是达尔文，前两句挂着引用，第三句「作者是在热气球上写的」是我们故意塞进去的假话，当场被标出来。读数是 2 条有据、1 条被标，阈值 0.55。

它不让模型变得更对，它让错的那句变得可见。阈值是一个取舍：调低，标出来的少，漏掉的多；调高，标出来的多，人要复核的也多。这个数应该由使用它的企业按自己的资料定，不该由我们替您定。

检索本身也会漏。下面的评测数说的是：相关段落有多大比例被排进了前三、前五、前十，以及第一条相关段落平均排在多前。这两组数决定了后面那一步有没有材料可比。