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。
「技术选型」找到 39 条内容
按专题浏览 →匹配正文：…化、索引存储） 在线检索流程（Query改写、向量检索、重排序） 生成阶段（上下文拼接、Prompt工程、答案生成） 各环节的关键技术选型与权衡（分块策略、Embedding模型、检索算法） RAG完整流程分为离线构建和在线推理两大阶段： 一、离线知识库构建 文档解析：处理PDF/Word/网页等多格式，提取干净文本（注意表格、图片OCR） 文本分块（Chunking）：按固定长度、语义段落或递归方式切分；块大小通常256-512 token，需保留上下文重叠 向量化（Emb…
匹配追问：这篇论文的实验设计有什么局限性，你在实际复现时遇到了什么问题 如果让你基于这篇工作做改进，你会从哪个方向切入 你们团队的技术选型是否参考了这些结论，最终决策依据是什么 场景切入 假设团队拿到一个开源基座模型，准备验证一条后训练路线。你会从自己真实读过的论文中选择哪些作为依据，并怎样区分论文明确披露的结论与未公开细节？ 层层追问 最近完整读过哪些论文？……哪一篇与你准备的实验最相关？……论文公开了哪些方法和证据？……哪些结论不能迁移？……你会怎样把阅读转成一个可复现实验？ 直球…
匹配口述回答：我觉得这道题其实是在问，技术选型怎么和产品价值对齐。我选两个有代表性的产品，一个是阿里的通义千问，另一个是科大的讯飞星火。通义更偏向C端通用问答，星火更偏向B端办公自动化。它们的核心差异在于，通义走的是 [[RAG]] 路线，强调知识广度，能联网搜、能读长文档；星火走的是 [[Agent]] 路线，强调行动深度，能把一句话需求拆成步骤，调用插件完成闭环。但真正落地的时候，很少只用一种，往往是RAG加Agent混着来。 具体说一下场景。比如电商客服退款场景，用户问「我买的东西降…
学习内容与项目面试，在同一条路上。