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。
「领域 RAG」找到 195 条内容
按专题浏览 →匹配正文：…词，放到专业文档里可能有不同边界。模型动态扩出的相关词，也可能只是主题相关，并不能互换。 所以扩写需要明确来源和合并规则。 可控的领域同义词适合由词典维护。复杂语义可以让模型生成候选，但要保存每个扩写版本，并限制数量。 多路结果合并时，可以按稳定 Chunk ID 去重，并记录每条候选由哪些 Query 找回。这样既能识别多路共同命中，也能排查哪条扩写引入了噪声。 扩写还可以用于多条件问题。 一个问题同时问申请条件和办理材料时，可以拆成两个子查询，各自检索，再合并互补证据。但…
匹配正文：…要看约束遵循，产品还要同时考虑帮助性与安全。一个方法在某一维提升，不代表其他维度同步改善。 数据侧应处理重复、污染、标签错误和目标领域覆盖，并保留独立评测。SFT让模型学习任务格式与示范行为，但示范若带错事实，模型也会复制。继续预训练可补领域分布，却可能带来遗忘。每次数据变更都要在目标、通用与安全集合上做回归。 偏好优化主要学习回答之间的相对偏好，可以改善帮助性、风格或拒答边界，但偏好标注若没有核验事实，不能自动提高事实准确率。RLHF和DPO的数据闭环不同，也没有无条件胜负…
匹配正文：…anEval，说明以单元测试执行 functional correctness，并报告 pass@k、采样数和沙箱安全。 业务或 RAG：公开集不能代替目标场景，应建立经过许可、去重和版本化的私有测试集，分别评估检索、上下文利用、faithfulness 和任务成功。 每个数据集都要交代选择理由、split、样本数、污染与近重复检查、评分脚本版本和局限。没有实际跑过的金融、代码或线上数据不能写成个人项目成果。
学习内容与项目面试，在同一条路上。