一分钟读论文：《查历史工单要比所处阶段而非整篇文档》
内容提要
微软提出RAFT框架，将客服工单拆解为有状态的时间线条目链，在条目级而非整篇匹配进行检索。仅凭初始症状时，案例命中率达84.2%，高于传统RAG的67.3%。论文已被EMNLP 2026行业track接收，代码与评测集开源。但合成基准存在数据污染风险，Jira部分仅为方向性证据，且Case Hit不等于端到端解决率。
延伸解读
检索粒度转变：从整篇文档到状态条目
传统RAG将历史工单视为静态文档，检索时匹配整篇相似度，容易找到结局相似但阶段不同的案例。RAFT将工单拆解为有状态的时间线条目链，在条目级检索，返回锚定在匹配状态上的父案例轨迹。这种抽象针对工单类有状态语料，而非通用RAG改进，使智能体能看到“别人走到这一步之后做了什么”，从而提升同阶段先例的命中率。
评测指标与基线对比：Case Hit的统计显著性
评测直接衡量检索质量，核心指标Case Hit定义为是否找到与当前案例匹配的历史案例。在仅初始症状时，RAFT的Case Hit达84.2%，传统RAG为67.3%，最强基线HippoRAG2为65.0%。论文称在每个阶段RAFT均优于基线，且提升经按根因分组聚类的自助重采样检验具有统计显著性。但需注意，Case Hit是检索层指标，不等于端到端解决率。
证据边界：合成基准与方向性证据的局限
合成基准来自微软Learn的Windows Server文档，训练数据污染风险未排除，优势在陌生语料上能否复现无证据。Jira部分论文自限为方向性证据，仅说明优势有向真实案例迁移的迹象，不能视为真实场景验证通过。此外，时间线条目链假设处置流程可线性抽象，对并行分支、回退重查等非线性流程未展开，且实现与语料均出自单一厂商，尚无第三方复现。
Q&A
RAFT框架和传统RAG在检索历史工单时有什么本质区别？
传统RAG把历史工单当作静态文档切片入库，查询时返回与症状文字最相似的整篇记录；而RAFT将每条已关闭案例拆解为有状态的时间线条目链，在条目级别进行检索，返回锚定在匹配状态上的父案例轨迹，让智能体看到的是“别人走到这一步之后做了什么”。
RAFT在只有初始症状时检索准确率有多高？
在只有初始症状（0% progress）时，RAFT的Case Hit达到84.2%，而传统RAG为67.3%。
RAFT的评测基准是如何构建的？
评测基准分两部分：合成基准由Microsoft Learn的Windows Server文档构造；真实数据部分使用Apache Jira上带人工duplicate标签的issue。
RAFT论文存在哪些局限性或风险？
主要局限包括：合成基准来自微软自家文档，训练数据污染风险未排除；Jira部分仅为方向性证据，不能视为真实场景验证通过；Case Hit是检索层指标，不等于端到端解决率；时间线条目链假设处置流程可线性抽象，对并行分支、回退重查等非线性流程未展开；实现与语料均出自单一厂商，尚无第三方复现。
RAFT的Case Hit指标具体衡量什么？
Case Hit定义为检索结果中是否找到了与当前案例匹配的历史案例，它衡量的是检索层质量，而非端到端的工单解决率。
RAFT论文是否已被学术会议接收？代码是否开源？
论文已被EMNLP 2026行业track接收，代码与评测集已开源。
