答案带着引用，为什么还是错的？

若系统只找到了材料甲，问题首先在候选资料。可能乙没有入库，也可能切分时把“周末”与时间拆开，还可能查询没有匹配到相关片段。此时单纯修改回答语气没有补上缺失证据；应先保存检索结果，确认原始资料、切分和筛选各自是否正确。

即使乙被找到，也要看它是否真的传给模型。候选过多时可能发生截断，去重或版本过滤也可能选错记录。排查时区分“库里有”“检索返回了”“实际上下文包含了”三个事实。只看数据库里存在一份正确通知，不能证明这次回答读过它。

假如甲乙都在上下文里，系统仍答九点，就要查看生成如何使用证据。它可能混淆平日与周末，也可能把两条通知合成一个不成立的概括。引用能打开，只证明来源编号可访问；材料提到同一地点，也只证明主题有关。还需要核对时间、对象、范围与否定条件。

可以把一句长答案拆成几个可核对的陈述，逐个找原文支持。如果答复同时声称“周末十点开放”和“无需预约”，而来源只说开放时间，后半句仍没有依据。不要因为前半句正确，就让整句共享一张“已核验”的标签；必要时删掉无依据部分或说明尚不清楚。

ALCE 研究把回答正确性与引用质量分开评价，并检查陈述是否得到所引材料支持、是否混入无关引用。它的具体自动评分也有模型误判限制。因此这里借用的是分开检查的思路，不把某个自动评分器当成最终事实裁判，更不搬用旧基准数字描述所有现有系统。

一个易核对的答复，应让读者能从具体陈述回到相关片段，并看到必要的标题、版本或日期。把十个来源统一堆在结尾，会增加核对负担；给不存在的编号补一个看似相近的链接，更会掩盖错误。来源编号的合法性可以由程序检查，内容是否支持结论还需要另一层判断。

练习时先保留问题、实际输入片段、回答和引用映射四份记录。分别制造资料不足、资料冲突和引用错配，观察系统如何停止下结论。资料可靠且被正确使用，才能支撑答案；RAG 给出的是一条可以追查的处理路径，不是一个自动免错的标签。