RAG技术能否降低ESG报告中的大模型幻觉风险
RAG技术能否降低ESG报告中的大模型幻觉风险
检索增强生成（RAG）让模型先找到相关文档，再依据材料回答，确实能减少纯粹凭记忆编造的内容。但ESG报告的幻觉不只有“找不到出处”一种：模型可能引用旧标准、把另一家子公司的数据当成本企业数据，或把一份计划书解释成已完成成果。检索到材料，只是可信写作的开始。
企业需要为文档建立严格元数据。每份材料应记录报告主体、设施、期间、版本、审批状态、保密级别和适用议题。检索时先过滤这些硬条件，再做语义匹配。若用户问2026年的范围二排放，系统不能因为一份2024年文件关键词更相似就优先引用它。分段切片也要保留表头、单位和脚注，避免数值脱离语境。
RAG还需处理来源冲突。仪表系统、财务账单和草稿报告对同一月份用电量给出不同值时，模型不应挑选最顺口的一项。系统应列出差异和来源优先级，交给责任人解决。对于百分比、排放量和强度，应调用可重算的指标服务，而不是从段落中摘取一个接近的数字。检索文档可支持解释，正式数值应来自受控账本。
引用机制必须让审阅者能到达原始证据。只附一个文件名不足以说明结论是否由该页支持；更好的方式是定位到表格、页码或数据字段，同时记录检索版本。模型若无法找到足够证据，应明确说“资料不足”，生成待补清单。让模型因缺证而停下，是降低幻觉的重要设计。
还要防范资料中的恶意或无关指令。供应商上传的PDF可以提供排放数据，却不能命令系统忽略内部审核。检索内容应被视为低信任度证据，不能改变权限、计算规则或发布流程。模型输出的每项数字和判断可用独立校验器检查，发现不一致就阻止进入正式稿。
检索质量还取决于提问方式。用户问“今年节水多少”，系统需要把问题拆成取水、耗水、回用水和产量等候选概念，确认适用口径后检索。若直接搜索“节水”，可能命中宣传稿中的百分比，遗漏原始计量数据。企业可用结构化查询先锁定指标，再用RAG查找解释材料。两条链最后交叉检查：文字里的原因是否与指标变化方向一致，相关项目是否确实在本期运行。把检索当作证据发现，而不是答案制造，才能抑制更隐蔽的幻觉。
维护检索库同样重要。失效制度应及时归档，新报告期材料应按权限入库，重复扫描件要合并。否则模型可能从一堆互相矛盾的文件中选出过时答案。检索库的运营责任，应与模型质量责任同样明确。
评价RAG不能只用问答准确率。企业应制作包含旧版政策、重复文件、边界冲突和缺失证据的测试集，统计错误引用率、拒答是否恰当、审阅者修正时间以及错误进入成稿的比例。RAG降低幻觉的能力，取决于数据治理和校验闭环，而非检索框架的名称。
