DSC 180A 项目对比 RAG 与纯 LLM 基线在车辆安全召回数据上的表现

DSC 180A 季度项目对比了纯 LLM 基线与朴素 RAG 在回答 NHTSA 车辆安全召回问题上的表现，评估涵盖单条记录查询与跨记录综合两类任务。评分指标包括答案正确性（由 LLM judge 打分并人工抽查）、答案是否引用正确的召回记录、不可回答问题上的弃答表现以及每题消耗的 token 成本。数据取自 NHTSA 公开 API，覆盖 2010 至 2025 车型年，项目目前处于数据收集、评测问题集与基线搭建阶段。