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。
「RAG 架构」找到 488 条内容
按专题浏览 →匹配正文：…：构建Preference Event Graph，将用户行为序列建模为图结构，捕捉"问A→看B→买C"的跨域关联。 二、偏好建模架构 用户输入 → Context Encoder → [用户画像Embedding] + [实时会话状态] ↓ 偏好融合网络（Attention-based） ↓ 生成回复 / 商品推荐（多任务输出） 静态偏好：用户长期画像（价格敏感度、品牌偏好、风格标签）→ 存向量库 动态偏好：当前会话意图漂移检测（用KL散度监控话题转移） 群体先验：相似用户…
匹配正文：…习 显式通过自注意力捕获长程依赖 输出形式 Top-K排序列表 可直接生成ID、解释文本、甚至推荐理由 灵活性 任务特定模型 统一架构处理多种推荐任务 关键优势与挑战 优势： 天然融合内容信息（标题、图文），缓解ID冷启动 统一框架支持多任务（推荐+解释+对话） 利用预训练LLM的泛化能力 挑战： 推理延迟：自回归生成 vs 向量内积检索 ID词汇表爆炸：百万级物品需高效Token化（如Semantic ID、分层编码） 位置偏差：生成顺序影响多样性 小红书场景的思考 笔记推…
匹配正文：人工干预的三层架构 1. 输入层：前置过滤与引导 敏感Query识别：基于规则+小模型做意图分类，拦截违规请求 Prompt改写：自动注入安全约束（如"请确保回答符合法律法规"） 上下文注入：RAG场景下动态插入合规知识片段 2. 生成层：过程控制 解码策略干预：调整temperature、top-p，或对特定token降权 动态停止条件：检测到风险模式时触发early stopping 工具调用约束：Agent场景下限制可调用的工具白名单 3. 输出层：审核与修正 规则拦截…
学习内容与项目面试，在同一条路上。