匹配口述回答：…堆不相关的。生成质量方面，意图识别能帮我过滤检索结果。比如用户问“有什么优缺点”，我优先保留带对比性的文本，而不是一堆基础介绍。Prompt路由也靠它：闲聊场景用宽松的[[System Prompt]]，专业问答得严格引用。还有[[幻觉]]防控，如果意图明显超出知识库范围，比如问“明年双十一满减政策”，系统得直接拒答或触发联网搜索，而不是瞎编。这里有个坑，就是意图识别的精度和召回怎么平衡。如果分类太粗，比如所有问题都走向量检索，召回率可能高但精确度差，生成时容易引入噪音。…

#OPPO#RAG 意图识别

← 上一页第 8 / 8 页

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#RAG

面试题·评估· 淘天

RAG 核心指标优先级

匹配正文：…标（如RAGAS、ARES）与组件级指标的区别强调事实性/幻觉检测的重要性提及业务场景下的实用指标（如延迟、成本）体现对评测方法局限性的认知 RAG评估要分两个层面来看：检索端和生成端，再加上端到端的整体评估。一、检索质量指标（决定上限） Recall@K / MRR：核心看相关文档有没有被召回，RAG的瓶颈往往在检索 NDCG：考虑排序质量，排在前面的文档相关性权重更高精确率：避免引入过多噪声文档干扰生成二、生成质量指标（决定体验）事实一致性（Faithful…

#淘天#评估与监控#RAG 核心指标优先级

面试题·评估· 百度

RAG 架构怎么工作?

匹配口述回答：…Faiss]]或Milvus。第二段是在线流程，用户提问来了，同样向量化，到库里搜最相似的Top-K片段，然后把这些片段和问题拼成Prompt，喂给LLM生成答案。核心优势其实很实在。先说缓解幻觉，因为生成的内容有出处，可以溯源验证，这在金融、医疗这些合规要求高的场景特别重要。再一个是知识时效性，知识库一更新，答案就跟着变，不用重新训练模型，成本低得多。还有就是成本可控，比起全量微调，RAG几乎没什么训练开销，换知识库就行。但落地的时候坑也不少。最关键的瓶颈是检索质量。如…

#百度#评估与监控#RAG 架构

面试题·模型微调· 商汤科技

RAG 技术流程怎么跑?

匹配口述回答：…Encoder]] [[重排序]]。这一步能显著提升召回相关性，尤其当知识库有大量相似文档时。生成阶段，把检索到的文本和问题拼成Prompt，让LLM基于证据回答。Prompt结构很关键：先给检索内容，再给问题，明确要求模型引用来源。这里有个风险：如果检索内容有噪声或冲突，模型可能会混淆。所以我会设一个置信度阈值，低于0.6的块直接丢弃，避免污染上下文。举个例子，电商客服场景。用户问“我买的手机降价了，能退差价吗？”系统先检索知识库，找到“7天价保”政策文档，然后LLM基…

#商汤科技#检索生成流程#RAG 技术流程

面试题·RAG

大模型幻觉是什么？怎么缓解？

匹配口述回答：…据业务场景平衡。一句话定位：幻觉本质是预测下一个词，不是事实校验为什么产生：训练目标、数据限制、不知道边界缓解手段：RAG+提示词+说不知道边界与风险：只能缓解不能根除，高风险要人工兜底约2分钟幻觉评测的具体方法和工程取舍面试官可能会追问如何量化幻觉率、用什么指标、评测成本怎么控制

#入门#基础概念#大模型幻觉

面试题·Agent· 同花顺

Agent 开发技术栈怎么选?

匹配口述回答：…区分“了解过、做过原型、参与上线”三个层次，只说自己能拿配置、日志或代码解释的部分。没有训练过模型就直接说没有，不把调用模型或调 Prompt 说成模型训练。【回答框架】任务是【真实任务】，输入输出和风险边界为【】。我实际使用【框架及版本】处理【工具注册、编排或状态管理】，同时自研【真实模块】补足【权限、审计、持久化或容错】。基座模型与部署方式是【真实配置】。如果确实做过训练，我会说明【数据来源】【目标函数或方法】【基线】【硬件配置】和【评测方式】；否则说明为什么当前任务无…

#同花顺#Agent#Agent 技术栈

现代RAG架构有哪些改进?

RAG 评估：检索、生成与端到端指标

意图识别在 RAG 中怎么用?

RAG 核心指标优先级

RAG 架构怎么工作?

RAG 技术流程怎么跑?

大模型幻觉是什么？怎么缓解？

Agent 开发技术栈怎么选?