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。
「LLM 输出约束」找到 13 条内容
按专题浏览 →匹配标题与标签：LLM 标签约束解码 用 logits mask、Trie、grammar/schema 保证标签合法 模型微调 约束解码 标签集合 LLM 标签约束解码 LLM 约束解码怎么保证只输出合法标签 LLM 输出约束 封闭标签集 解码约束
匹配正文：…<string>，避免模型输出字符串拼接 三、后处理层（容错兜底） 解析容错：用json5/demjson容忍尾随逗号、单引号等 LLM自修复：解析失败时，将错误信息+原输出喂给模型要求修正（1-2轮重试） 规则兜底：关键字段缺失时，用规则补全或返回默认值 输出验证：Pydantic模型校验，类型不符触发重试或降级 方案选型建议 场景 推荐组合 高稳定性要求（交易/审核） JSON Schema + 重试机制 + 规则兜底 成本敏感（海量内容） 小模型+Few-shot + …
匹配正文：…取） 知道模型通过特殊token或JSON模式约束输出 了解schema定义和参数校验机制 能说明与普通生成任务的关键区别（结构化输出约束） 了解实际部署中的错误处理策略 Function Calling的核心是让模型学会"按格式说话"，把自然语言翻译成可执行的结构化指令。技术原理分三层： 1. 训练阶段：注入工具使用能力 构造大量<用户指令, 工具描述, 正确调用>的三元组数据 工具用JSON Schema描述（函数名、参数类型、必填字段） 模型学习输出固定格式的函数调用表…
学习内容与项目面试，在同一条路上。