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。
「领域适配」找到 52 条内容
按专题浏览 →匹配口述回答：…：向量检索的召回质量要够高，否则检索到不相关的内容反而会干扰模型。我见过一个失败案例，因为 [[Embedding]] 模型没做好领域适配，导致 Agent 总是引用错误的历史对话，越帮越忙。 工具和行动模块是 Agent 的手脚。它通过 [[Function Calling]] 把用户的自然语言请求转化成 API 调用。这里的关键是工具注册和参数解析。比如用户说“查一下这个订单的状态”，Agent 要能识别出“订单号”这个参数，并从上下文提取出来。工具执行后，返回结果还要解…
匹配口述回答：…天花板。如果重排模型本身在领域数据上没做过微调，那即使检索召回率很高，重排也可能把好文档排到后面。所以落地时我会特别关注重排模型的领域适配，比如用领域内的query-doc对做继续训练。 最后说下我的取舍。如果资源有限，我会把重排序作为标配，因为它性价比最高，在不改检索和生成的情况下，能直接提升topK质量。生成端的控制更多是做兜底，防止极端情况。但整体上，我更倾向把RAG看成一个可控降级系统，偏差无法完全消除，核心是让模型在检索失败时知道不知道，而不是强行编造。 一句话定位…
…ng模型和切分策略的配合。如果Embedding模型没针对领域微调，比如用通用模型去匹配法律术语，那召回效果会打折扣。我倾向于先做领域适配，或者用 [[GraphRAG]] 引入实体关系来补足语义。 最后说落地的风险和取舍。前提是知识库质量要够好，如果文档本身就有错，RAG只会放大错误。常见失败场景是切分破坏了上下文，导致模型答非所问。所以上线前我会特别关注召回率的评估，用一套标准query跑一遍，看Recall@K有没有达标。如果召回率低，我会先调切分策略或者换Embedd…
学习内容与项目面试，在同一条路上。