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。
「Re-ranking 作用」找到 79 条内容
按专题浏览 →匹配正文：…核策略：高风险内容（用药剂量、量刑标准）强制人工确认 众包+专家双审：初级审核员筛查，领域专家终审 4. 索引架构（三级） 层级 作用 技术选型 一级：向量索引 语义召回 领域微调Embedding + 混合检索 二级：关键词索引 精确匹配（药品名、法条号） Elasticsearch 三级：知识图谱 关联推理（禁忌症、判例引用） Neo4j 合规性保障机制 溯源强制：每个回答附带原文片段+文档版本+页码 权限控制：敏感内容按角色脱敏（患者/医生/律师可见层级不同） 审计闭环…
匹配正文：…你推荐"的个性化话术 四、核心挑战与应对 挑战 应对策略 幻觉（推荐不存在item） 约束解码+检索增强（RAG），先召回候选集再重排 实时性 LLM只做离线特征或粗排，精排保持轻量；或投机解码 成本 大小模型级联，简单请求走小模型，复杂请求触发LLM 评估困难 离线用A/B test，在线关注用户停留时长等长期指标 五、快手场景的特殊考量 短视频推荐的核心是实时性+多样性： LLM适合做session级别的兴趣总结（如识别用户从"搞笑"转向"知识"） 不适合逐帧实时推理，可…
匹配口述回答：…ineering 和 Context Engineering 的边界划分 Context Engineering 三层架构：检索-重排序-压缩 业务场景举例：客服退款场景中两者如何结合 落地风险与工程师姿态判断 约4分钟 当上下文工程足够好时，可以用 Zero-shot 替代 Few-shot，但需要权衡上下文质量是否能替代示例的引导作用。 面试官可能会追问 Zero-shot 和 Few-shot 在不同场景下的效果差异，以及如何评估上下文质量是否足够好。
学习内容与项目面试，在同一条路上。