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局限性」找到 37 条内容
按专题浏览 →匹配正文:核心局限性分析 1. 环境动态性假设失效 传统方法假设地图静态,但真实场景(餐厅、商场、家庭)行人、车辆持续移动 结果:全局路径频繁失效,局部规划器(如DWA、TEB)陷入局部最优或震荡 典型问题:狭窄走廊中行人相向而行,机器人"僵住"或反复重规划 2. 建图精度与误差累积 SLAM漂移:长走廊、特征稀疏区域位姿估计发散 动态物体混入地图:留下"鬼影"障碍物,导致虚假避障 实际影响:vivo场景如线下门店,玻璃反光、人流密集,建图可靠性骤降 3. 实时性瓶颈 全局路径规划(A…
匹配正文:核心局限性分析 1. 上下文长度硬约束 标准Self-Attention的O(n²)计算/内存复杂度,导致实际部署中上下文窗口受限(通常4K-128K tokens) Agent多轮对话中,工具调用记录、观察结果、用户偏好等快速填满窗口,触发截断或滑动窗口遗忘 2. 历史信息稀释效应 Softmax归一化使Attention权重随序列长度增加而趋于平均化,早期关键信息(如任务目标、已确认的用户约束)被"淹没" 实验观察:超过20轮后,首轮系统指令的Attention权重常降至…
匹配正文:答案要点 能清晰区分各框架的核心定位(RAG vs Agent vs 纯编排) 准确描述LlamaIndex的索引-centric设计和Agent化演进 说明AutoGPT/BabyAGI的自主决策特点及局限性 提及Semantic Kernel的企业级多语言特性 给出具体场景选型建议 主流框架对比 LlamaIndex — "数据索引优先" 核心定位:从RAG工具包演进为"数据框架",Agent是索引能力的自然延伸 关键设计:索引(Vector/KG/Document)是f…
学习内容与项目面试,在同一条路上。