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。
「Embedding是什么」找到 203 条内容
按专题浏览 →匹配正文：…gent 一追就露怯 按题量补齐地基,方向分布看 大模型技术栈全景 8 把 RAG 当普通 CRUD 拼接 觉得 RAG 就是"存向量、查向量、拼 prompt",套后端惯性搭一遍 面试考的是分块、召回、重排、忠实度的取舍,不是接口拼装 过一遍检索链路取舍,看 怎么攒真项目经历 里的 RAG 主线 9 demo 跑通就当项目写简历 跟着教程复现一遍能跑,就直接写进简历当项目 demo 没有你自己的取舍和踩坑,一问设计原因和 badcase 就答不上 把 demo 改造成有取舍…
匹配正文：很多人做 RAG 评测时，会先算一个“答案准确率”。如果分数上涨，就认为系统变好了；如果分数下降，就继续换 Embedding、调 TopK 或改 Prompt。 问题是，RAG 不是一次模型调用。用户问题要经过 Query 处理、检索、排序、上下文组装、答案生成和引用回跳。最终回答错了，可能是正确证据根本没有被找回，也可能是证据已经排在前面，生成模型却漏掉了限制条件。只看一个端到端分数，团队仍然不知道应该修哪一段。 这也是项目面试里很容易被追问的一道题： Recall@K、…
匹配追问：…与这个设计有什么关系 场景切入 假设现在实现一条标准自回归生成路径。模型每步输出词表分布后，你会怎样得到下一步输入？如果改用期望 embedding，会改变哪些假设？ 层层追问 softmax 分布怎样变成 token id？……下一步查哪个 embedding？……teacher forcing 与推理前缀差异是什么？……期望 embedding 或 Gumbel-Softmax 能不能用，代价是什么？……KV Cache 是否强制离散？ 直球技术 请说明标准自回归解码为何…
学习内容与项目面试，在同一条路上。