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。
「上下文漂移」找到 2 条内容
按专题浏览 →匹配正文：答案要点 区分知识遗忘（历史信息丢失）与上下文漂移（主题偏离）的本质差异 提出显式对话状态管理机制 设计动态检索策略而非单次检索 说明查询重写/扩展的具体方法 给出评估多轮RAG效果的指标 问题本质 多轮RAG的两个核心挑战： 知识遗忘：早期轮次的关键信息未被当前检索利用 上下文漂移：用户意图变化导致检索偏离当前需求 技术方案 1. 显式对话状态管理 对话状态 = {主题实体集合, 用户意图, 未解决问题, 已确认事实} 每轮用轻量模型抽取状态更新 状态向量化后参与检索相似度…
匹配口述回答：…忠实性过滤，分太低的直接不回答。上线我会特别关注常见失败场景：比如检索返回空集时模型怎么处理，是硬编还是拒绝回答；再比如多轮对话中上下文漂移，检索文档和当前问题脱节。说白了，没有银弹，指标得和业务绑定，客服加解决率，知识问答加信息完整性。我更倾向把评估看成持续监控，上线后跑离线集，定期看趋势，不追求单次完美。 一句话定位：RAG评估本质是两段式质量验证 检索质量：召回率和排序，业务场景决定指标侧重 生成质量：忠实性和相关性，LLM打分有坑 端到端框架：RAGAS自动但需校准，…
学习内容与项目面试，在同一条路上。