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 检索协同」找到 2 条内容
按专题浏览 →匹配正文：… LLM 或安全兜底。阈值应从校准曲线和误路由代价确定。 多标签、层级意图和未知类应显式建模，不能把低置信度强行归入已知类别。 与检索协同 路由结果生成检索计划，但检索必须再次执行租户和文档级授权，不能把模型输出当安全边界。检索后可根据命中数、证据质量或冲突触发查询改写、扩大范围、澄清或拒答。评估除意图 F1 和校准外，还要看端到端 Recall、回答正确率、越权率、P95 延迟和成本；固定延迟或置信阈值没有跨系统通用性。 图解 RAG意图识别原理与检索协同图解
匹配正文：…速"这类规则 成本权衡：摘要用7B模型，主推理用70B；向量检索用HNSW索引，召回 latency <50ms 学习建议 建议从RAG和Agent架构基础入手，理解向量检索、摘要模型和分层记忆设计模式，结合论文与开源项目（如MemGPT）实践核心流程。
学习内容与项目面试，在同一条路上。