Recall@k là chỉ số đánh giá đo lường tỷ lệ phần trăm các mục liên quan là câu trả lời đúng nằm trong k kết quả hàng đầu của hệ thống tìm kiếm/đề xuất.
Recall@k là chỉ số đánh giá cho các hệ thống truy xuất/đề xuất thông tin và thể hiện "tỷ lệ các mục có trong k top trong số tất cả các mục đúng" trên thang điểm từ 0 đến 1. Nếu Recall@5=0,6 trong số 10 câu trả lời đúng, điều đó có nghĩa là có 6 câu trả lời đúng nằm trong top 5.
Tính đến năm 2026, tầm quan trọng của Recall@k trong lĩnh vực này đang tăng lên nhanh chóng do sự phổ biến của hệ thống RAG. Do cấu trúc của RAG, bộ truy xuất lấy k tài liệu và chuyển chúng đến LLM, vì vậy nếu tài liệu chính xác không được đưa vào k thì không thể LLM hiệu suất cao nào đưa ra câu trả lời chính xác. Trong các trường hợp vận hành thực tế được ReviewAI điều tra, đã có báo cáo rằng hệ thống RAG có Recall@5 ở mức 0,7 hoặc thấp hơn có tỷ lệ ảo giác cao hơn khoảng ba lần.
Cạm bẫy là sự hiểu lầm rằng "tăng k sẽ giải quyết được vấn đề". Đặt k=100 sẽ tăng tỷ lệ thu hồi, nhưng nó sẽ lấn át cửa sổ ngữ cảnh LLM và các tài liệu nhiễu sẽ làm giảm độ chính xác của câu trả lời. Xét về giá thị trường vào năm 2026, RAG k phổ biến là 5 đến 20 và nhiều dự án nhắm đến Recall@10 là 0,8 hoặc cao hơn.
Sự lựa chọn tại trang web phụ thuộc vào ứng dụng. Recall@k được ưu tiên hàng đầu trong các lĩnh vực bị nghiêm cấm giám sát, chẳng hạn như các vấn đề y tế và pháp lý, đồng thời được sử dụng kết hợp với Precision@k và NDCG trong các trường hợp UX đóng vai trò quan trọng, chẳng hạn như đề xuất sản phẩm trong thương mại điện tử. Chuyên môn hóa miền và tinh chỉnh mô hình nhúng là con đường ngắn nhất để cải thiện Recall@k.