在 DPO 算法的训练过程中，我们鼓励大模型生成高质量的 chosen 文案，惩罚大模型生成类似 rejected 的文案。为了保证生成文案质量满足要求，使用的教师大模型底座参数量需要尽可能高，例如使用满血版的 DeepSeek-V3，一般不需要使用深度思考的模型，例如 DeepSeek-R1 或 QwQ-32B；为了保证生成文案的高质量，使用的教师大模型底座参数量需要尽可能高，例如使用满血版的

大模型（LLM）驱动的问答系统中，RAG（Retrieval-Augmented Generation）架构正迅速成为主流；然而在实际应用中，即便接入了如 GPT-4 或 Claude 等先进模型，但生成结果仍然不够理想。问题的根源往往并不在于模型本身，而在于 —— 它没有检索到相关信息，这就引出了评估 RAG 检索质量的核心指标：召回率（Recall Rate）。本文将深入探讨召回率的本质，以及