4. 检索问答基础
在监管变化知识库中，检索问答（Retrieval-Augmented Question Answering，简称 RAG-QA）是连接“海量法规文本”与“业务人员具体问题”的核心能力。它要解决的不是让模型凭空背诵法规，而是让模型在回答前先找到与问题最相关的监管条款、通知、处罚案例或内部解读，再基于这些证据生成可追溯的答案。理解检索问答的基础，是后续搭建知识库、调优检索策略和设计评估体系的前提。
一、核心原理：先检索，再生成
检索问答的基本假设是：答案存在于外部知识源中，模型只需负责理解问题、组织证据和生成自然语言回答。其核心流程可概括为“索引—检索—重排—生成—引用”五个环节。监管领域尤其强调引用，因为一条回答若不能定位到具体法规条款或发文编号，就难以被合规、审计和业务部门采信。
关键认知：检索问答的质量上限由检索决定，生成只负责“表达”。如果检索阶段没有召回正确条款，再强的生成模型也只能编造或拒答。
二、技术流派：稀疏、稠密与混合
检索问答的技术流派主要围绕“如何表示问题和文档”展开。稀疏检索以 BM25、TF-IDF 为代表，依赖关键词匹配，对法规编号、专有名词、精确术语非常敏感；稠密检索以双塔模型、句向量为代表，擅长语义相似但字面不同的表达；混合检索则融合两者，在监管场景中往往更稳健。
| 流派 | 代表方法 | 优势 | 监管场景局限 |
|---|---|---|---|
| 稀疏检索 | BM25、TF-IDF | 精确匹配强，可解释，无需训练 | 无法处理同义改写，如“穿透式监管”与“实质重于形式” |
| 稠密检索 | DPR、BGE、Text Embedding | 语义泛化好，支持自然语言提问 | 对编号、日期、金额等精确信息易漂移 |
| 混合检索 | BM25 + 向量 + RRF | 兼顾精确与语义，召回率高 | 需调权重，索引与延迟成本上升 |
| 重排增强 | Cross-Encoder、LLM Rerank | 显著提升 Top-K 精度 | 计算开销大，不适合全量召回 |
三、典型架构：从文档到答案的链路
一个可落地的监管检索问答系统通常包含离线索引和在线问答两条链路。离线侧完成文档解析、切分、元数据抽取、向量化和索引构建；在线侧完成问题理解、多路召回、重排、上下文组装、生成与引用回填。监管文档常包含表格、附件、修订对照，切分策略必须保留条款层级和生效时间，否则检索结果会失去法律效力判断依据。
四、监管领域适用性与评估指标
监管领域对检索问答有四个特殊要求：时效性（旧版法规必须被新版覆盖或标注失效）、权威性（优先引用正式发文而非二手解读）、可追溯性（每条答案附条款编号和链接）、保守性（证据不足时应拒答而非猜测）。因此，评估不能只看“答得像不像”，而要看“答得对不对、有没有依据、是否过期”。
- 检索层指标：Recall@K、Precision@K、MRR、命中条款是否包含正确答案所在段落。
- 生成层指标：忠实度（Faithfulness）、答案相关性、引用准确率、幻觉率。
- 业务层指标：拒答率、人工复核通过率、平均响应时间、用户采纳率。
- 时效指标：失效法规误引率、版本混淆率、生效日期判断准确率。
实操建议：在监管问答中，建议把“引用准确率”和“失效法规误引率”设为一票否决指标。即使答案语义正确，只要引用了已废止条款，就应判定为不合格。
五、常见误区与复盘
第一个误区是“只调生成模型，不调检索”。很多团队发现答案不准就换更大的模型，但真正的问题往往是切分粒度太粗或元数据缺失。第二个误区是“用通用向量模型直接索引法规”，导致“应当”与“可以”这类法律情态动词被语义平滑掉。第三个误区是“忽略拒答设计”，在证据不足时强行生成，反而制造合规风险。
复盘要点：若检索结果 Top-5 中已包含正确条款，但最终答案仍错误，问题在生成与上下文组装；若 Top-5 中根本没有正确条款，问题在切分、索引或召回策略。两类问题的修复路径完全不同，必须先定位再优化。