RAGExplorer: 面向 RAG 系统对比诊断的可视分析系统
人机交互
2026-02-17 v2 计算与语言
摘要
检索增强生成 (Retrieval-Augmented Generation, RAG) 的出现显著提升了大语言模型 (LLM) 生成事实准确且最新响应的能力。然而，RAG 系统的性能并非由单一组件决定，而是由模块化选择（如嵌入模型和检索算法）之间复杂的相互作用所产生。这创造了一个庞大且通常不透明的配置空间，使得开发者难以理解性能权衡并确定最佳设计。为了应对这一挑战，我们提出了 RAGExplorer，一个用于系统比较和诊断 RAG 配置的可视分析系统。RAGExplorer 引导用户完成从宏观到微观的无缝分析工作流。首先，它使开发者能够调查众多配置的性能全景，从而宏观了解哪些设计选择最有效。为了进行更深入的分析，该系统使用户能够深入探究个别失败案例，调查检索信息的差异如何导致错误，并通过操纵提供的上下文来交互式地测试假设，以观察其对生成答案的最终影响。我们通过详细的案例研究和用户研究展示了 RAGExplorer 的有效性，验证了其赋能开发者驾驭复杂 RAG 设计空间的能力。我们的代码和用户指南已在 https://github.com/Thymezzz/RAGExplorer 公开提供。
引用
@article{arxiv.2601.12991,
title = {RAGExplorer: A Visual Analytics System for the Comparative Diagnosis of RAG Systems},
author = {Haoyu Tian and Yingchaojie Feng and Zhen Wen and Haoxuan Li and Minfeng Zhu and Wei Chen},
journal= {arXiv preprint arXiv:2601.12991},
year = {2026}
}
备注
11 pages, 7 figures. Accepted to IEEE TVCG (PacificVis 2026)