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 一致性」找到 150 条内容
按专题浏览 →匹配正文：… 中等 → 【检索对了生成还差】 检索已返回相关文档,生成仍不理想,可能的原因有哪些(提示工程/上下文建模/微调)? 中等 → 【RAG 缓解幻觉】 RAG 如何通过引入外部知识缓解幻觉?实现机制和效果边界是什么? 较难 → 【输出真实性验证/溯源】 生成后有哪些后处理技术验证回答真实性(事实核查、引用溯源、一致性检测)? 较难 → 【生成控制】 生成流程里人工干预与控制机制能起什么作用?怎么用反馈/规则影响准确性与合规性? 中等 → 学完这一章你应该能干嘛 跟着做(Part…
匹配正文：…么提速。 2.1 评估五维度:别只盯着"准不准" 评估上线准备时,光看"答得对"通常不够。可以按业务风险从下面五个维度选择指标: RAG 评估的五个维度 ① 召回 / 准确:检索用 Recall@k、MRR;生成用 BLEU、ROUGE 对比参考答案。 ② 可信度:答案里有几成内容能在检索到的原文里找到依据(覆盖率)。 ③ 响应速度:平均延迟,以及 P95 / P99 尾延迟(95%、99% 的请求多久内返回)。 ④ 可扩展性:数据涨到百万级、并发上来后,QPS(每秒查询数)…
匹配正文：…个项目也说“上线”，两个任务的语义很近，事实却不能混用。记忆排序至少要考虑四类信号： 语义相关性：内容是否与当前问题相关； 作用域一致性：用户、组织、任务和主题是否匹配； 时间与状态：记忆是否过期、被替代或已删除； 来源可信度：是用户明确确认，还是模型推断、摘要或旧系统同步。 可以先做硬过滤，再对剩余候选综合排序。高敏感或高风险场景还可以要求“只有用户明确确认的事实才允许进入上下文”。若候选之间存在冲突，宁可提示用户确认，也不要让模型根据相似度自行决定哪个是真的。 这也是记忆…
学习内容与项目面试，在同一条路上。