训练、检索还是两者兼而有之？四臂针锋相对，争取安大略省住宅租赁法的正确法定引证

自我代表的租户、房东和服务台工作人员需要了解实际管辖问题的法律条款，并提供正确的法定引用。我们根据 2006 年安大略省住宅租赁法案 (RTA) 及其核心法规来研究这项任务，以实证的方式询问操作者的问题：微调 是否足够，或者是否需要混合检索？我们在 Qwen2.5-7B-Instruct（基础零样本、仅 LoRA SFT、仅 RAG 和 SFT+RAG 混合）上运行四臂头对头，在一个小型、待人工验证的真实评估集上对引文精确匹配（部分+小节）进行评分。基本模型不能引用 RTA 和仅 SFT 的错误召回部分；检索是必不可少的，并通过构建将幻觉驱至零； SFT+RAG 混合得分最高，精确匹配率为 0.481，幻觉引用为零。它的优势来自于 SFT，使供应选择对于损害零样本 RAG 的更高召回率候选集更加稳健。值得注意的是，这种廉价的 bge-small 混合匹配或击败了建立在更大、专门的检索模型（更大的嵌入器和交叉编码器重新排序器）上的管道，并且更大/改进的训练集也无济于事：这里强大的法定引文性能不需要专门的检索模型或更多数据。该工件将幻觉归零并清除了基础提升栏，但未达到理想的 0.70 精确匹配目标。所有结果均基于小型、有待人工验证的真实评估集，并报告为初步结果。