在一本492页的手册里找“账户管理要求”,像去图书馆找一段话:先看目录,确定章节,再翻到具体小节,通常比把所有相关页面摊在桌上更靠谱。Kezhan Shi用NIST SP 800-53 Rev. 5演示了这条思路:答案位于AC-2控制项的第46至50页,但直接做Top-k检索——按相似度取若干文本片段——会把AC-2与AC-3、AC-17、审计控制和术语表混在一起,因为“账户”“管理”“控制”等词遍布全文。
问题是,这份文档的目录本身也有358项,不能一次全塞给模型。文章的做法是沿目录树逐层下钻:先从11个顶层章节中选“The Controls”,再从20个控制族中选“Access Control”,最后进入二十余个候选控制,定位AC-2。每一步只交给模型当前层的标题、页码范围和必要的关键词统计;找到叶节点,或范围已经小到可以整段阅读时便停止。
它值得注意的不是又换了一种相似度算法,而是把检索改成连续的小判断:保留章节的父子关系,也减少相邻章节被误拼进答案的机会。文章给出了具体案例与可运行代码,但材料未披露与其他方法的系统性效果对比。