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。
「模型微调」找到 82 条内容
按专题浏览 →匹配正文：…动态检索 自适应检索步数、迭代检索（IRCOT）、检索-生成交替进行 生成侧 提示工程：引用格式约束（要求标注来源）、少样本示例 模型微调：基于检索上下文的SFT，强化忠实度训练 后处理验证：事实核查模块、置信度过滤 协同优化 检索-生成联合训练：如REPLUG、RA-DIT，让生成反馈指导检索学习 端到端优化：用生成损失反向优化检索器（可微分搜索或强化学习） 在线闭环：用户反馈（点赞/点踩）回流优化检索排序 三、落地建议 冷启动阶段：先固定生成模型，优化检索（见效快） 数据…
匹配正文：…生成）、混合检索（BM25+向量）、重排序（Cross-encoder） 用户问题表述模糊、专业术语对齐差 检索精确率低 稠密检索模型微调（领域适配）、元数据过滤、上下文压缩 领域知识密集、噪声文档多 生成幻觉/利用不足 引用强制（要求标注来源）、检索内容前置、Self-RAG（生成时判断是否需要检索） 对事实性要求高的场景 长上下文处理差 分层检索（摘要→细节）、递归检索、信息去重合并 需要多文档推理的复杂问题 三、迭代实践建议 先诊断后优化：用错误案例分析定位是检索失败还…
匹配正文：… 训练后无法更新 知识库动态更新，无需重训模型 领域适配 微调成本高 零样本接入私有知识 关键优化点 检索质量：Embedding模型微调、混合检索（向量+关键词）、重排序（Rerank） 上下文组织：片段截断策略、多轮检索、检索结果去重融合 生成控制：提示词约束模型严格基于检索内容回答，拒绝无关Query 与微调对比 RAG优势在于知识可解释、更新即时、成本可控；适合知识频繁变更、需溯源的场景。微调更适合改变模型行为风格或需要内化复杂推理模式的任务。 学习建议 建议系统学习…
学习内容与项目面试，在同一条路上。