匹配正文：…RAG 提供事实依据、提示词约束引用来源、允许模型说“不知道” 幻觉只能缓解、无法根除，高风险场景必须保留人工审核兜底核心概念大模型幻觉（Hallucination）是指模型生成了看似流畅合理、实际却与事实不符或凭空捏造的内容，比如编造不存在的论文、虚构法律条文。它最危险的地方在于“说得特别像真的”，普通用户很难分辨。幻觉为什么会发生本质是文字接龙：大模型的训练目标是根据上文预测下一个最可能的词，整个过程没有“事实校验”环节。只要读起来通顺自然，任务就算完成，真假并不…

#入门#基础概念#大模型幻觉

面试题·检索· 京东

RAG 怎么解决大模型幻觉?

匹配题目：请详细解释检索增强生成（RAG）的技术原理、核心组件以及完整的工作流程，并说明其在解决大模型幻觉问题方面的优势。

#京东#幻觉抑制#RAG 技术原理

面试题·评估· 字节

RAG 二次生成怎么减少幻觉?

匹配标题与标签：RAG 二次生成怎么减少幻觉? 结合提示工程与约束生成策略,降低大模型幻觉评估抖音约束生成 RAG 幻觉二次生成提示工程字节

#抖音

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

#约束生成

#RAG 幻觉

面试题·评估· 京东

知识型与行为型错误诊断

匹配标题与标签：… 京东 RAG 与强化学习知识型与行为型错误诊断知识型幻觉和行为型错误怎么区分？RAG 或 RL 如何选 RAG vs RL 大模型幻觉 RAG 幻觉京东

#京东#RAG 与强化学习#知识型与行为型错误诊断

面试题·评估· 阿里

训练/推理/知识增强怎么选?

匹配标题与标签：训练/推理/知识增强怎么选? 从训练、推理、RAG到后处理,各层面方法及局限评估阿里幻觉治理大模型幻觉缓解 RAG 幻觉推理控制阿里

#阿里#幻觉治理#大模型幻觉缓解

面试题·模型微调· 联通

RAG/蒸馏/微调怎么选?

匹配标题与标签：RAG/蒸馏/微调怎么选? 检索增强、知识蒸馏、微调策略与推理干预详解模型微调联通大模型幻觉缓解检索增强知识蒸馏微调策略推理干预联通

#联通#大模型幻觉缓解#检索增强

面试题·模型微调· 美团

RAG 解决了哪些核心问题?

匹配标题与标签：RAG 解决了哪些核心问题? 大模型应用中的幻觉、知识更新与长上下文难题模型微调美团知识增强 RAG 核心问题大模型幻觉 RAG 应用场景美团

#美团#知识增强#RAG 核心问题

面试题·知识图谱· 海尔

数据/架构/推理/工具怎么选?

匹配标题与标签：数据/架构/推理/工具怎么选? 从数据、模型架构、推理策略到外部工具,4 类方法详解知识图谱海尔幻觉治理大模型幻觉缓解幻觉消除方法大模型事实性知识图谱幻觉海尔

#海尔#幻觉治理#大模型幻觉缓解

面试题·知识图谱· 海尔

训练/推理/外部知识怎么选?

匹配标题与标签：训练/推理/外部知识怎么选? 从训练、推理到外部知识集成,3 个方向的方法总结知识图谱海尔外部知识集成大模型幻觉幻觉缓解方法知识图谱海尔

#海尔#外部知识集成#大模型幻觉

面试题·RAG· 字节

RAG 怎么提升生成质量?

匹配标题与标签：RAG 怎么提升生成质量? 检索增强生成原理,外部知识如何减少幻觉 RAG 字节大模型幻觉 RAG 原理 RAG 外部知识库字节

#字节#大模型幻觉#RAG 原理

面经·求职· 通用岗位场景

RAG 项目面试会怎样连续追问？一场工程深挖教学复原

匹配正文：…集和其他配置，只改变待比较参数，记录召回、排序、延迟与成本，并在独立测试集上复查。真正做过哪些，就只讲哪些。面试官：答案不准就是大模型幻觉吗？先做阶段归因：正确资料是否入库，是否进入候选，重排后是否保留，送给模型的上下文是否完整，生成是否忠于证据。不同原因对应不同修复。只改 Prompt，可能掩盖解析或检索问题。面试官：你怎样证明优化有效？先定义评测集的来源、证据标注和切分方式，再说明检索指标、生成指标以及端到端指标。每个结果都要带基线、样本量、配置和测量方法；如果还…

#RAG#项目深挖#教学复原

面试题·评估· 美团

RAG 缓解幻觉的机制

匹配正文：RAG缓解幻觉的核心机制大模型幻觉源于参数化知识的静态性和泛化误差。RAG通过动态检索外部权威知识替代模型"编造"：检索阶段：将用户查询向量化，从知识库召回Top-K相关文档增强阶段：将检索结果与原始查询拼接，构建增强提示生成阶段：模型基于"检索证据"生成，答案被约束在提供的上下文中实际系统实现机制组件关键设计 Embedding模型领域适配（如用BGE、GTE替换通用模型）向量数据库 Milvus/Pinecone，需考虑索引类型（HNSW/IVF）与分片…

#美团#事实锚定#RAG 缓解幻觉的机制

面试题·模型训练· 商汤科技

Focal Loss 公式与作用机制

匹配口述回答：…会看每类 precision、recall、PR-AUC、校准和长尾切片。最后，不要把 Focal Loss 随意扩展成“会加剧大模型幻觉”或“必须与 OHEM 组合”。如果没有对应实验，这些都不是原论文结论。它最可靠的定位是：通过调制项降低 well-classified 样本的权重，解决易样本数量过多导致的训练主导问题。多分类实现时通常对真实类别的 softmax 概率定义 p_t，再使用相同调制形式；alpha 可以是按类权重。还要核对 reduction 和有效样…

#Focal Loss#类别不平衡#损失函数设计

面试题·项目与经历· 阿里

LLM 应用场景价值怎么分析?

匹配追问：智能客服场景下，如何解决大模型幻觉导致的回答不准确问题？代码生成场景中，如何评估生成代码的质量和安全性？内容创作场景下，如何平衡生成内容的创意性与品牌一致性？场景切入假设你们要给银行做个智能客服，以前都是关键词匹配，用户说‘我卡丢了’和‘储蓄卡不见了’就得两条规则。现在用大模型，你觉得它能在哪些地方真正省下成本、提升体验？层层追问大模型在业务场景里到底有什么实际价值？……比如代码生成，技术上它怎么做到自动补全的？……那商业上能给公司省多少钱、提多少效率？直球架构…

#大模型应用落地#商业价值分析#智能客服

面试题·评估· 美团

LLM 幻觉治理方法对比

匹配追问：…么处理？……那如果只改进训练数据呢，你觉得够用吗？……还有没有其他更立竿见影的手段，比如结合检索？直球架构请列举并分析当前缓解大模型幻觉的主要方法，包括数据、RAG、解码策略、后处理，并比较它们的有效性和适用场景。

#美团#幻觉治理#LLM 幻觉治理方法对比

面试题·评估· 京东

RAG vs RLHF 幻觉治理

匹配追问：…么缓解的？……它们一个从输入入手，一个从输出入手，你觉得本质区别在哪？直球架构请从技术原理和优缺点上对比RAG和RLHF在缓解大模型幻觉问题上的作用。它们分别解决什么类型的幻觉？路径上有什么本质不同？

#京东#RAG 与 RLHF#RAG vs RLHF 幻觉治理

面试题·评估· 蚂蚁

大模型客服评估：伪代码与指标

匹配口述回答：…方案是否合理。结果融合层有个优先级：规则结果优先，大模型结果只做补充和微调。如果规则已经判了违规，大模型评分再高也不抵，这是为了防大模型幻觉。举个具体的业务场景：电商客服处理退款纠纷。规则引擎可以快速检出客服有没有在30分钟内响应、有没有使用违禁词。大模型则评估客服的共情话术、退款方案是否合理、有没有引导用户升级投诉。如果大模型说客服方案满分，但规则检测到客服用了威胁性语言，最终评分还是按规则扣分。这里有个坑，就是幻觉和成本。大模型评估时，我强制要求它引用原文并做引用真实…

#蚂蚁#客服质量评估#大模型评估系统