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。
「SFT vs RAG 知识更新」找到 7 条内容
按专题浏览 →匹配标题与标签：SFT vs RAG 知识更新 知识更新与任务适配时选择 SFT 或 RAG 模型微调 SFT RAG 知识更新 SFT vs RAG 知识更新 知识更新选 SFT 还是 RAG？成本、时效与部署边界 SFT vs RAG 监督微调与检索增强生成对比 模型微调范式选型
匹配正文：为什么引入RAG RAG的核心价值是解耦知识存储与模型参数，解决大模型固有缺陷： 知识时效性：模型参数冻结后无法感知新知识，RAG通过实时检索外部库解决 幻觉问题：生成内容可溯源到检索文档，大幅降低"一本正经胡说八道" 训练成本：SFT需要重新训练模型，RAG只需更新知识库，边际成本极低 可解释性：能展示"参考了哪些资料"，满足合规审计需求 RAG vs SFT 的适用边界 维度 RAG更适合 SFT更适合 知识特性 频繁更新、领域专精 通用能力、长期稳定 数据规模 海量文档…
匹配正文：为何引入RAG 核心动机：弥补纯参数化知识的三大缺陷 问题 说明 知识截止 模型权重冻结后无法感知新信息 幻觉风险 参数记忆模糊时"自信编造" 训练成本 SFT更新知识需重训，代价高昂 RAG将知识外置到可动态更新的检索库，实现非参数化知识扩展。 RAG vs SFT：三维度对比 1. 知识更新 SFT：需重新训练/LoRA微调，周期长，难以追平实时信息 RAG：更新文档库即可，分钟级生效，适合新闻、股价、政策等动态场景 2. 事实准确性 SFT：依赖训练数据覆盖，长尾事实易…
学习内容与项目面试，在同一条路上。