RAG精度改善の打ち手整理
背景
メモは「RAGの精度がいまいち」という問題意識から、チャンク分割の手法とre-rankingの効果検証を次の一手として挙げている。URL先の内容を確認できなかったため（取得失敗）、以下は一般的な観点に基づく整理であり、推測を含む。
論点の深掘り
- チャンク分割（semantic）: 文脈単位で分割できれば検索の適合率が上がる可能性がある一方、チャンク長や境界の決め方が結果に強く影響する。分割単位が「意味的にまとまる」ほど、検索と生成の整合性が高まりやすいと考えられる（推測）。
- re-ranking: 初期検索結果の順位を再評価できれば、上位に本当に関連の高い文書を押し上げられる可能性がある。計算コストと精度向上のトレードオフをどう測るかが鍵（推測）。
具体例（検証設計の例）
- 比較条件: 固定長チャンク vs. セマンティックチャンク
- 評価指標: 検索適合率（例: nDCG/Recall@k）と最終回答品質（人手評価や自動評価）
- 実験順序: まずチャンク分割のみ差し替え、その後re-rankingを追加し、効果の寄与を分離する
次の一手
- 既存の失敗例を数件ピックアップし、どの段階で精度が落ちているかを特定する
- セマンティック分割の候補（見出し単位、文境界、埋め込み類似度による結合）を複数用意して比較する
- re-rankingの導入は、まず軽量な設定で試し、効果が見えるかを短期評価する
※URL内容を確認できていないため、リンク先の主張とは異なる可能性がある。
関連する問い / Related questions
- 現状のRAGで精度が落ちるのは検索段階か生成段階か？
- セマンティック分割の最小単位をどう定義すべきか？
- re-rankingのコスト増に見合う改善幅はどのくらいか？
- 失敗例の共通パターン（クエリの曖昧さ、文書構造など）は何か？
元メモ
出典: notes/2026-06-30_09-15-00_LINE.md
RAGの精度がいまいち。チャンク分割をsemanticにしたら改善するか試したい。あとre-rankingの効果も気になる。
https://example.com/articles/rag-chunking-strategies