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。
「Agent训练」找到 178 条内容
按专题浏览 →匹配口述回答：…工校验，不然模型自己生成的幻觉会污染评估集。公开benchmark也可以拿来做跨模型对比，但要检查license，还得确保模型没在训练时见过这些数据，不然就是数据污染。 标注流程我倾向混合模式。对RAG，先让模型或规则做预标注，比如用[[BM25]]召回top-5文档，然后人工判断相关性等级和答案正确性。对Agent，我会记录正确工具调用序列作为gold path，再人工检查关键步骤的中间状态。这样效率和质量都能兼顾。预标注不是偷懒，而是让标注员聚焦在难例上，提升标注质量。 …
匹配正文：📊 学习时长:60-75 分钟 🎯 完成后能力:讲清一个训练好的调研 Agent 要上线扛真实流量,工程上要解决哪些问题:推理为什么慢且贵、KV Cache 和 continuous batching 怎么提吞吐、调研 Agent 特有的上线挑战,以及怎么把成本压下来 🔗 关联面试题:5 道(覆盖 5 个角度,见 Part 3) 🧭 这一章讲什么:推理优化、并发、降本这些是大模型应用工程师的硬通货。本章把通用原理和调研 Agent 上线特有的挑战讲清楚,面试和实战都够…
匹配正文：📊 学习时长:60-75 分钟 🎯 完成后能力:讲清调研型 Agent 为什么难评估、要评什么(结果质量 + 过程质量)、LLM-as-a-Judge 怎么用又有哪些坑,以及怎么防止「刷分」、怎么把评估结果回流到训练形成闭环 🔗 关联面试题:5 道(覆盖 5 个角度,见 Part 3) 🧭 这是最后一块拼图:前面把 Agent 从「为什么」一路做到「上线」,但有个问题一直没正面回答:怎么知道它做得好不好? 调研类任务没有唯一标准答案,这让评估格外难。本章就把评估的原理…
学习内容与项目面试，在同一条路上。