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。
「RAG降级策略」找到 15 条内容
按专题浏览 →匹配标题与标签：RAG 查不到文档怎么降级? 常见 fallback 策略优缺点对比,如生成式回答与提示工程 RAG 抖音 RAG降级策略 RAG fallback RAG 降级策略 RAG 无相关文档 字节
匹配正文：“你们的 Chunk Size 设多少？” 这是 RAG 面试里很常见的一句追问。 很多人会马上报出一个数字，再补一句设置了多少 Overlap。听起来很具体，却没有回答最关键的问题：为什么这个数字适合你的文档和用户问题？ 以下用一个教学示例来说明。 一段制度原文依次写了适用条件、办理步骤和例外情况。固定长度切分刚好把“但以下情况不适用”留在前一块，把后面的例外条目放进后一块。 用户搜索某个例外条目时，系统可能召回后一块。关键词命中了，前提却不见了。模型拿到的是一句局部事实，…
匹配口述回答：…注 [[RAGAS]] 评估指标，比如上下文精度和召回率，定期用一批标注 query 做回归。 还有一个进阶方向是 [[Self-RAG]]，让模型在生成过程中自己判断是否需要检索、检索结果是否可信，而不是每次都无脑拼接。这能进一步减少噪声引入，但实现复杂度也更高。 所以整体上，我把 RAG 看作一个工程系统，核心是在检索质量和生成质量之间做取舍。我更倾向先用混合检索加重排保证召回精度，再通过置信度过滤和降级策略兜底，而不是一味堆高检索召回率。 一句话定位：RAG本质是给大模…
学习内容与项目面试，在同一条路上。