匹配正文：…实库。推理控制：要求基于证据并使用结构化输出；将计算交给代码、数据库和确定性工具。降低温度只减少采样随机性，不能修复错误知识。知识增强：RAG 提供可更新、可引用证据，并配合混合检索、重排、权限过滤和引用定位。检索错误、文档冲突、提示注入或模型忽略证据时仍会失败。后处理：拆分可验证声明，用权威数据源、规则、专用模型或人工复核。验证器也会出错，并增加延迟与成本。产品策略：展示证据和不确定性，允许澄清与“不知道”，按风险限制自动执行范围。评估应分别测检索命中、引用正确性…

#阿里#幻觉治理#大模型幻觉缓解

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·RAG· 字节

RAG 怎么提升生成准确性?

匹配标题与标签：RAG 怎么提升生成准确性? 通过检索外部知识增强 LLM 的事实一致性 RAG 字节外部知识检索 RAG 原理 Retrieval-Augmented Generation LLM 事实一致性字节

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

#字节

#外部知识检索

#RAG 原理

项目实战·RAG

第 9 章:上下文问答与引用溯源

匹配正文：…1:什么是"上下文问答"? 前 8 章都在为这一步做准备:解析、切分、检索、重排,最后捞回来一小撮最相关的片段。上下文问答(也叫"知识增强回答")就是这最后一环:LLM 拿着这些片段当"参考资料",生成对用户问题的回答。关键词是**"基于上下文":模型应该照着检索到的资料答,而不是凭它自己记忆里那点东西瞎答**(那就退化成第 1 章的"闭卷考试"了)。上下文问答:LLM 基于检索到的资料作答概念 2:什么是"引用溯源"? 引用溯源(Citation),就是让答案里的每个…

#RAG#检索#项目实战

面试题·Agent· 蚂蚁

模糊意图怎么补全?

匹配题目：当用户输入请求不完整或模糊时，Agent应如何通过上下文理解、对话状态追踪、主动追问及知识增强等技术手段识别并补全用户的真实意图？请结合RAG与Agent系统的工作机制，阐述多轮交互中的意图推断与信息补全策略。

#蚂蚁#Agent#Agent意图补全

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…义边界切分（章节、条款、病例段落），非固定长度医疗：保留"症状-诊断-治疗"完整上下文块法律：保持"事实-法条-判决"逻辑链知识增强：提取实体关系构建领域知识图谱，作为检索补充二、检索系统层（混合召回）单一向量检索不够，需多路融合检索方式适用场景实现稠密向量检索语义相似、同义表达领域微调Embedding（如MedCPT、法律BERT）稀疏关键词（BM25）精确术语、药品名、法条编号 Elasticsearch 知识图谱检索关联推理、禁忌症、判例引…

#字节#专业领域 RAG#RAG 系统设计

面试题·RAG· 百度

对话模型准确性怎么提?

匹配正文：…ade-off 体现对前沿技术（如Self-RAG、Toolformer等）的了解回答有层次感，不是简单罗列一、模型架构层面知识增强架构检索增强生成（RAG）：把外部检索到的资料作为生成上下文，检索器与生成器可以独立更新；不要求生成模型采用编码器—解码器架构。 Self-RAG：引入反思token（Retrieve/IsRel/IsSup/IsUse），让模型自主决定何时检索、如何使用 Toolformer范式：预训练阶段嵌入API调用能力，将外部工具调用内化为模型原…

#百度#对话模型准确性#模型架构优化

面试题·模型微调· 字节

RAG 技术原理与架构怎么搭?

匹配追问：…拍照怎么样”，模型可能会用自己的知识回答，但新品参数它不知道。你会怎么用外部知识来保证回答准确？从索引开始讲吧。层层追问你做过知识增强的生成系统吧？……那怎么把外部文档和生成结合起来？……检索和生成之间如何配合？……如果检索到的内容互相矛盾，你怎么处理？直球架构详细讲一下RAG的技术原理和系统架构，包括索引、检索、生成流程，以及实际落地中的最佳实践和主要挑战，比如幻觉、时效性、多跳推理这些问题怎么解决？

#字节#RAG 最佳实践#RAG 技术原理

面试题·模型微调

SFT vs RAG 知识更新

匹配追问：…商品信息每周都会更新价格和库存，用户问的又大多是“这个包多少钱”这种事实类问题。你会选SFT还是RAG？为什么？层层追问你做过知识增强的对话系统吧？……如果知识库每周都要更新，SFT怎么搞？……那RAG呢，你觉得它的瓶颈在哪？……综合下来，你判断选哪个的标准是什么？直球架构直接比较SFT和RAG：从知识更新灵活性、推理准确性、部署复杂度和泛化能力四个维度，分析各自的性能上限和适用场景。

#SFT#RAG 知识更新#SFT vs RAG 知识更新

面试题·知识图谱· 字节

GraphRAG原理 vs 传统RAG 怎么选?

匹配口述回答：…型动态调整社区粒度，或者用多粒度社区来覆盖不同层次的问题，这是个值得深挖的方向。所以整体上，我会把GraphRAG看作一个结构化知识增强组件，适合全局性、关系性的查询，但成本高，不适合高频更新场景。我更倾向于把它和传统RAG组合使用，各取所长。本质问的是从碎片检索到结构知识检索的跃迁传统RAG的边界：适合单点事实，不适合全局和关系 GraphRAG的核心流程：实体抽取、社区检测、摘要生成业务场景举例：金融风控中的隐性关联落地风险：构建成本高、图谱质量依赖抽取、适合静…

#字节#GraphRAG 原理#GraphRAG vs RAG

面试题·RAG· 淘天

RAG vs 传统检索生成怎么选?

匹配追问：…或者根本搜不到，生成模型只能胡编。RAG是怎么解决这个问题的？它跟这种“拼文档”的方式在架构上有什么本质不同？层层追问你平时做知识增强生成，是不是就是先检索再拼上下文？……那检索器和生成器是分开训练的吗？……如果生成器觉得检索结果不好，能反过来优化检索吗？……你觉得这种端到端的融合，跟传统流水线比，在生成效果上到底好在哪里，又有什么代价？直球架构请系统比较RAG和传统先检索后生成流程，从架构设计、信息融合机制、生成效果三个维度展开，重点讲RAG在生成质量、知识实时性和…

#淘天#RAG信息融合#RAG与传统检索生成对比