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。
「RAG检索策略」找到 80 条内容
按专题浏览 →匹配正文：…. Search 模块 —— 信息检索与知识补充 功能定位：弥补模型知识截止和幻觉问题，获取实时/外部信息 输入：查询query、检索策略参数（top-k、时间范围等） 输出：检索到的文档片段、来源链接、相关性分数 架构作用：典型的RAG增强路径，为推理提供事实依据，支撑决策的准确性 3. GUI 模块 —— 图形界面交互 功能定位：实现与操作系统、网页、APP的视觉化交互 输入：屏幕截图/界面元素描述、操作指令（点击/输入/滑动） 输出：预测的操作序列（坐标或元素ID）、执…
匹配正文：答案要点 能区分幻觉产生的根源（知识边界 vs 推理错误） 掌握RAG的核心架构与检索策略优化 理解SFT/RLHF在事实性对齐中的作用 知道推理阶段如何通过后处理提升准确性 能结合实际场景给出权衡方案 一、模型架构层面 知识解耦设计 将"语言生成"与"事实存储"分离，如KGLM、RETRO等架构，显式引入外部记忆模块 稀疏注意力机制，让模型学会何时查询外部知识而非依赖参数记忆 工具调用能力 通过Function Calling架构，让模型自主判断需调用的工具（计算器、搜索引…
…，需预算和人工干预兜底 工程师取舍：生产用LangChain，原型用BabyAGI，AutoGPT慎用 约4分钟 Agentic RAG 是 LangChain 编排和 AutoGPT 自主性的结合点，模型自己决定检索策略，但代价是延迟和成本更高。 这个延伸点会引向面试官追问 Agentic RAG 的实现细节，比如如何控制检索次数、如何防止幻觉、和传统 RAG 的对比。
学习内容与项目面试，在同一条路上。