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。
「Function Calling 微调」找到 30 条内容
按专题浏览 →匹配口述回答：…en消耗和重试次数，如果重试超过两次，就切回人工兜底。 不过话说回来，现在还有一种思路是让模型自己决定什么时候切换框架，比如用[[Function Calling]]触发计划的重新生成。这个方向我觉得挺有意思，但还没看到特别成熟的方案，可能是个值得探索的点。 所以我的判断是，ReAct和Plan-and-Execute不是二选一，而是根据任务可预估程度和步骤数来选。我更倾向以Plan-and-Execute为骨架，ReAct做局部微调，同时做好上下文管理和重试兜底。 一句话定…
匹配口述回答：…如召回率、NDCG，还有生成内容是否忠实于检索结果，有没有[[Hallucination]]。Agent则更看重工具调用，比如[[Function Calling]]参数解析对不对、任务规划是否合理、多轮对话状态能不能记住。但真正落地时，两者常常是混合的，比如一个客服系统既有知识库检索又有工具调用，那评估就得两套一起上。另外，很多人会纠结RAG和[[SFT]]怎么选，我的判断是，如果知识频繁更新，RAG更合适，因为微调跟不上变化；如果知识相对稳定、对推理深度要求高，微调更合适…
…如金额、日期、法律条款，可以直接调搜索引擎、数据库或者代码执行器来验证。比如在金融风控场景，模型生成一个合同条款，我会让它通过[[Function Calling]]去调用底层的合规数据库，返回真实条文。这相当于给了模型一个“查字典”的能力。但工具调用也有前提，就是工具的接口要稳定、返回要可靠，否则工具本身出错反而引入新幻觉。 说到这，其实有个很有意思的点：RAG 和微调在缓解幻觉上的边界在哪？比如知识频繁更新的场景，RAG 明显更灵活；但如果是模型对某个领域的常识性错误，比…
学习内容与项目面试，在同一条路上。