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。
「Prompt Engineering 方法」找到 176 条内容
按专题浏览 →匹配正文：…g》，不是 Grouped Low-Rank Adaptation。若题目真正想问“分组 LoRA”或自适应 rank，应改用对应方法和论文，不能借用 GLoRA 名称。 从 LoRA 到 GLoRA 标准 LoRA 冻结预训练权重 W_0，用低秩更新 ΔW=BA，前向为 W_0x+BAx，训练参数集中在 A、B。GLoRA 的关键不是把矩阵机械分组，而是提出 generalized prompt module：在统一形式中同时提供对预训练权重和中间 activation 的…
匹配正文：…：持久状态与模型上下文分离 持久状态保存完整、可审计的会话事件；模型上下文只是当前请求按 token 预算组装出的工作集。不能把 prompt 当作唯一状态，也不应默认永久保存所有对话。 1. 存储与数据模型 以 session_id、递增序号和事件 ID 记录用户消息、模型输出、工具调用、结果、确认与错误。 数据库或事件日志作为权威来源；Redis 可缓存最近轮次和版本，但不作为唯一真相。 摘要、关键实体和用户确认的事实应带来源消息 ID、生成版本和时间，便于失效与回查。 …
匹配口述回答：这道题其实问的是，怎么让大模型输出稳定的结构化数据，比如JSON。核心思路我把它分成三层：提示工程、模型能力、后处理容错。这三层不是互斥的，真正落地往往是组合拳。 先说提示工程这层，就是软约束。我会在Prompt里放几个[[Few-shot]]示例，让模型模仿格式，再给一个JSON模板，要求它先分析再输出，用代码块包起来。甚至加个负面例子，说不要输出多余文字。这个方法好处是零成本，但前提是模型指令遵循能力要强，像GPT-4效果就很好，换成小模型就经常飘，输出格式不对。所以它适…
学习内容与项目面试，在同一条路上。