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。
「Embedding检索」找到 478 条内容
按专题浏览 →匹配正文：…logN)，召回率>95% IVF-PQ：倒排+乘积量化，内存压缩10-20倍，适合海量数据 动态更新：增量索引避免全量重建 四、检索增强 # 混合检索示例：向量相似度 + BM25关键词 def hybrid_search(query, alpha=0.7): dense_score = vector_db.similarity_search(query) sparse_score = bm25_search(query) return weighted_fusion(de…
匹配正文：…效果 提及数据层面的根本解决方法 问题本质分析 这种现象叫**"语义相关但任务无关"**，典型场景： 查询"苹果手机的电池寿命"，检索到"苹果的营养价值" 两者embedding相近（都是"苹果"），但用户意图完全不同 核心矛盾：Embedding模型训练目标（语义相似）与RAG业务目标（任务相关）存在错位。 解决策略（分层处理） 1. 查询侧优化 查询重写（Query Rewriting）：用LLM扩展/澄清用户意图，如"苹果→苹果公司/Apple Inc." HyDE（假…
匹配正文：答案要点 区分传统搜索与大模型搜索的本质差异（语义理解 vs 关键词匹配） 阐述RAG核心架构（检索+生成）及关键模块 说明混合检索策略（向量+稀疏+图谱） 分析大模型在搜索中的具体应用环节（改写、摘要、问答） 指出落地挑战（延迟、幻觉、成本、数据更新） 核心方案：RAG驱动的智能搜索 大模型在搜索场景的核心落地形态是 RAG（检索增强生成），不是替代传统检索，而是分层增强。 技术架构 层级 功能 大模型作用 查询理解层 意图识别、查询改写、多轮澄清 纠错、扩展、消歧（如"苹…
学习内容与项目面试，在同一条路上。