页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「LLM 检索增强生成」找到 414 条内容
按专题浏览 →匹配正文：…矩阵（飞书、抖音、剪映），Agent可以打通内部数据孤岛，形成差异化竞争力。 学习建议 建议掌握Agent基本架构与工作原理，关注LLM+RAG+Agent的协同模式，多阅读行业案例和技术白皮书，培养系统性思维。
匹配正文：…优化。 一、模型架构：双塔+生成式混合 模块 设计 冷启塔 轻量DNN，输入画像+上下文+社交特征，输出初始兴趣分布 生成塔 基于LLM的Seq2Seq，接收冷启塔输出作为prompt条件，生成个性化推荐理由+候选 融合层 冷启阶段生成塔权重高（>0.7），随交互增加逐渐切换至传统召回 关键：生成塔不直接生成item ID（幻觉风险），而是生成兴趣标签组合或自然语言描述，再经语义索引召回真实item。 二、探索-利用的Agent化设计 将推荐建模为多轮对话式Agent： St…
匹配正文：…___________________________________________↓ （反馈循环） 关键决策点： 每步执行后，LLM评估是否达成子目标 未达成则分析原因（工具问题？理解偏差？），选择重试或重规划 引入"反思"步骤，显式总结本轮经验写入长期记忆 三、与RAG的深度集成 不是简单拼接，而是能力融合： 层级 集成方式 检索即工具 RAG作为knowledge_retrieval工具，Agent按需调用 记忆增强 检索结果注入工作记忆，参与推理过程 主动检索 规划…
学习内容与项目面试，在同一条路上。