匹配正文：答案要点意图识别决定检索策略选择（向量检索/关键词检索/混合检索）通过查询改写和扩展提升召回率识别多跳/复杂意图以触发Agent能力过滤无关查询降低幻觉风险为生成阶段提供结构化上下文指导意图识别的核心作用意图识别是RAG系统的"路由中枢"，解决**"用户到底想要什么"**的问题，直接决定后续检索和生成策略。一、提升检索准确性场景意图识别的作用检索方式选择事实类→关键词/稀疏检索；语义类→向量检索；模糊需求→混合检索查询改写识别省略实体（如"这个产品…

#OPPO#RAG 意图识别#RAG

面试题·RAG· 百度

对话模型准确性怎么提?

匹配正文：…e）混合，召回率与精确率平衡实时索引更新机制，解决知识时效性问题关键权衡：架构与训练改动成本较高，也需要持续评估；RAG 与 Agent 更易按模块迭代，但检索、工具调用和多轮生成会增加延迟。应固定任务、评测集和预算，再比较事实正确率、引用支持率、延迟与成本。延伸阅读 DPO 原论文 DeepSeekMath：GRPO 的 critic 与奖励定义 Self-RAG 原论文

#百度#对话模型准确性#模型架构优化

面试题·RAG· 快手

人工干预怎么控制 LLM 生成?

匹配口述回答：…绝对保证’这种夸大措辞。还可以设动态停止条件，一旦检测到风险模式，比如模型开始编造政策，就触发early stopping。在[[Agent]]场景下，我们会限制工具调用的白名单，比如只允许查订单状态，不允许直接改退款金额。输出层是最后一道闸。用正则或关键词匹配高风险内容，再用独立的安全模型做二分类判定。如果模型自己的置信度低，比如只有0.6，就进入人工标注队列，回流到训练数据里。这里有个关键闭环：人工反馈。反馈分两类。一类是实时干预，比如直播或客服对话中，运营人员可以一…

← 上一页第 3 / 3 页

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#快手#人工反馈控制#人工干预 LLM 生成

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…户问'我订单超时了但货没到，能不能退'，RAG可以实时检索最新的退款政策文档，然后给出准确答复，还能给出政策原文链接。纯模型可能凭训练数据里的旧规则给出错误判断。反过来，纯模型在通用创意写作、开放式闲聊、常识推理这些场景更合适，因为不需要外部事实约束，知识已经内化在模型里了。但真正落地时，往往RAG和微调一起上，比如用RAG做实时知识检索，同时用微调让模型更懂业务术语和回答风格。落地时有个前提：检索质量必须高。如果召回文档不相关或遗漏，生成结果肯定差。常见失败场景是，用户问…

#淘天#阿里#RAG 架构

面试题·检索· 美团

RAG 检索器与生成器如何协同？

匹配口述回答：这道题其实是在问，怎么让大模型不靠训练数据里的记忆，而是实时从外部知识库里查东西来回答问题。说白了，就是给模型配一个外挂知识库。整体流程分两步走，先离线建索引，再在线跑检索加生成。先说离线索引。原始文档不能直接喂给模型，得先[[切块]]。切多大？我一般控制在256到512个token，太小上下文不够，太大噪声多。然后用 [[Embedding]] 模型转成稠密向量，存到 [[Vector Database]] 里，常用 [[Faiss]] 或 Milvus，建 [[HNSW…

#美团#RAG架构#RAG 系统架构