在真实文档修订下的块重新计算：衡量固定式、递归式与内容定义式分块的更新代价与检索质量

arXiv:2610.31019v1 发布类型：新 摘要：用于检索增强生成的分块策略几乎总是基于静态快照进行评估，然而知识库所依托的文档却在持续变化。由于各分块是独立嵌入的，编辑后移动的边界会导致未发生变化的文本也被重新嵌入。我们在严格的字节级复用规则以及冻结的稠密编码器条件下，针对三种无状态分块方法（非重叠的固定大小分块、递归的段落优先分块和内容自定义分块），对120对相邻的中文与英文维基百科修订进行了更新成本的量化分析。在包含116篇文章的共同成功测试集上，当参数被冻结且长度经过校准时，固定大小分块会重新计算其全部新版嵌入—输入工作量的57%至68%，递归分块……