# 模型回答与检索知识冲突时，百度的RAG方案如何处理

从美国公开申请US20260087055A1理解事实冲突、语义冲突与分类后的差异化处理。

Source: https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution

首页 / 新闻与洞见 新闻与洞见 模型回答与检索知识冲突时，百度的RAG方案如何处理 从美国公开申请US20260087055A1理解事实冲突、语义冲突与分类后的差异化处理。 人工智能与软件 2026.10.06 已出版 IPLEX 阅读约10分钟 模型回答与检索知识的冲突示意 两种看似合理的答案 假设模型回答报销截止时间为“月底”，检索到的制度却写着“出差结束后七日内”。这只是教学示例，不是百度真实制度。增加检索资料不等于解决应采信哪项信息的问题。模型训练形成的参数化知识可能与外部资料不一致，而RAG通常是在推理时补充检索内容，并不必然重新训练模型。 本文分析的是2026年3月26日公开的美国专利申请US20260087055A1，申请人为Baidu Online Network Technology (Beijing)。A1表示申请公开，不证明已获授权。以下讨论限于公开的处理流程，不据此认定当前法律状态或某商业产品已实施该方案。 初始结果不只包含一句回答 申请中的第一结果包括回答、回答逻辑和上下文知识，为与外部结果的比较提供更多材料。“回答逻辑”是生成的解释，不能直接视为模型隐藏计算过程的真实记录。系统同时根据问题从数据库或其他相关来源检索。 图1将初始生成、检索、知识冲突类型判定和目标回答生成分开。相关来源可以是文档集合、数据库或网页，不同实现可使用相同或不同来源。技术分析重点在于各阶段交换的数据和后续分支，而不只是给语言模型增加搜索入口。 公开文件图1：初始结果、检索、冲突分类与最终回答 区分事实不一致与语义关系错误 事实冲突涉及日期、金额、期限等信息；语义冲突涉及角色和关系，例如“主管审批员工申请”与“员工审批主管申请”虽然词语接近，含义却不同。也可以定义其他类别，但本申请重点展开事实错误和语义错误。 图2的分类环节输入初始结果、检索结果以及冲突定义和参考示例。各环节可由同一模型或不同模型承担。明示定义与例子有助于明确分类任务，但不能保证模型作出的类别判断一定正确。 公开文件图2：依据错误定义与参考示例进行分类 不同冲突进入不同处理分支 语义冲突分支可将两类结果、冲突类型及相应定义、示例交给回答处理模型，重新处理语义关系。这不等同于直接用检索句子覆盖原回答；模型生成的说明仍需验证。 事实冲突分支则再次向原模型提问、重新检索并对新结果重新分类，直到冲突类型不再属于事实错误。更新的并非只有模型答案，检索资料也可能过时或有误。报销示意图仅用于解释这一流程；两边一致或分类改变，本身并不能证明结论真实。 假设报销示例，并非真实产品界面或公司制度 千帆平台提供的实际技术背景 百度千帆支持大模型和Agent工作流。其知识库节点提供全文检索、语义检索、混合检索及重排序，并把召回片段传递给下游。官方RAG工作流将知识内容和用户原始问题分别作为模型输入。 这些说明帮助理解检索与生成如何组合，但不证明千帆产品实现了本申请每项权利要求，也不证明所有工作流使用冲突循环，更不能作为授权证明。产品文档与专利公开内容应分别核查。 工程记录及专利分析 可沿问题、第一结果、检索证据、冲突分类、处理分支、最终回答逐步记录。文档版本、处理延迟和再次检索的条件值得关注。循环上限、人工升级处理及证据质量控制属于合理的部署考虑，不能未经核对就写成申请必然要求的技术特征。流程日志也不等于更新模型权重。 知识产权分析应明确输入信息、定义、决策条件及处理变化，再与在先技术和实际权利要求比较。IPLEX可依据能够公开分享的系统流程图、冲突实例与评价条件，协助分析AI及软件的技术差异。本文并未据此确认新颖性、有效性、自由实施或实测性能优势。 Tistory原文 相关AI专利业务 延伸阅读：测试时更新权重 延伸阅读：DEEPX训练与边缘推理 查看韩文原文 本文基于发表时的情况撰写。如需就具体事项咨询，请联系IPLEX。 咨询相关业务 ↗ 全部文章 本页目录 两种看似合理的答案 初始结果不只包含一句回答 区分事实不一致与语义关系错误 不同冲突进入不同处理分支 千帆平台提供的实际技术背景 工程记录及专利分析 咨询IPLEX 与我们讨论您的需求 保护、维权与管理。 我们将与您共同分析技术与业务需求。 ↗ 联系我们 较新文章 KAHI商标案：商品不类似，仍可能因误导来源而无效 ↗ 较早文章 创造性判断应避免以发明结果倒推现有技术 ↗ 相关解读 人工智能 2026.10.15 PaTH Attention：将词元之间的路径编码为位置信息 解析输入依赖的Householder型变换累积机制，以及状态跟踪、长上下文实验的收益与限制。 ↗ 阅读全文 人工智能 2026.10.14 华为盘古气象：如何串联不同时间间隔的预测模型 结合公开申请US20250258318A1，解析预测步长选择、中间状态传递及气象数据融合。 ↗ 阅读全文 人工智能 2026.10.13 LaCT：以大分块更新人工智能的临时记忆 从快速权重、GPU利用率和因果处理顺序，解析LaCT的技术结构、实验条件及适用边界。 ↗ 阅读全文

- https://www.iplexlaw.co.kr/zh
- https://www.iplexlaw.co.kr/zh/blog/category/ai
- https://iplexlaw.tistory.com/6
- https://www.iplexlaw.co.kr/zh/ai-patents
- https://www.iplexlaw.co.kr/zh/blog/1525199
- https://www.iplexlaw.co.kr/zh/blog/deepx-heterogeneous-processors-edge-ai
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution
- https://www.iplexlaw.co.kr/zh/contact
- https://www.iplexlaw.co.kr/zh/blog
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-0
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-1
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-2
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-3
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-4
- https://www.iplexlaw.co.kr/zh/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-en-5
- https://www.iplexlaw.co.kr/zh/contact
- https://www.iplexlaw.co.kr/zh/blog/brunch-case-1801
- https://www.iplexlaw.co.kr/zh/blog/brunch-case-1800
- https://www.iplexlaw.co.kr/zh/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/zh/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/zh/blog/huawei-pangu-weather-time-interval-models
- https://www.iplexlaw.co.kr/zh/blog/huawei-pangu-weather-time-interval-models
- https://www.iplexlaw.co.kr/zh/blog/lact-large-chunk-test-time-training
- https://www.iplexlaw.co.kr/zh/blog/lact-large-chunk-test-time-training