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。
「策略优化」找到 33 条内容
按专题浏览 →匹配正文：…摘要级，人工构造结构化描述 3. 时效性编码 对时间敏感记忆，将时间戳、相对时间（"3天前"）显式注入文本或作为附加特征 三、检索策略优化 索引结构选择 HNSW：延迟敏感场景，图索引保证低延迟 IVF-PQ：内存受限场景，量化压缩降本 DiskANN：超大规模，内存-磁盘混合 多阶段检索 pipeline 粗排（向量相似度，Top-K=100） → 元数据过滤（时间范围、会话ID、标签） → 精排（重排序模型/交叉编码器，Top-K=5） → 上下文组装（按时间序/相关度融…
匹配正文：…训练样本。4*sqrt(N)只能作为某些配置的起点，不是通用最优值。 增量索引：避免全量重建，采用分层索引或增量HNSW 二、召回策略优化 多路召回：向量检索 + 倒排索引（BM25）+ 稀疏向量（SPLADE），取长补短 粗排+精排：先用IVF快速筛选候选集，再用精确距离计算Top-K 查询扩展：HyDE、Query2Doc可作为候选，用同题集消融验证；生成伪文档也可能偏离原问题并增加延迟与成本。 三、模型与计算优化 Embedding量化：只算每维存储，FP32→FP16…
匹配口述回答：…答这道题的第一步是纠正题干：GRPO 的全称是 Group Relative Policy Optimization，也就是组相对策略优化，不是 Generalized Reward-free Policy Optimization。它并不 reward-free，仍然要给每条回答奖励。奖励可以来自规则、可执行验证、环境结果或奖励模型。它省掉的是单独学习的价值模型或 critic，而不是奖励本身。 PPO 在大模型对齐里通常让当前或近当前策略生成回答，再由奖励模型、规则或环境…
学习内容与项目面试，在同一条路上。