模型微调学习专题

领域RAG应用链路怎么搭?

数据准备、检索与生成模块、评估优化全流程

#字节#领域 RAG#RAG应用搭建

大模型知识库怎么构建?

从数据清洗到向量化、索引构建的完整流程

#百度#大模型知识库构建#知识库向量化

文本嵌入模型怎么选?

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

对比 BERT、SimCSE 等 Embedding 模型在检索场景的适用性

#百度#文本嵌入模型#Embedding 模型对比

Embedding 模型选型考虑哪些因素?

文本向量编码场景下效果与性能的权衡,多维度对比

#百度#向量检索#Embedding 模型选型

RAG 向量模型怎么选?

文本编码模型的技术指标与性能因素详解

#百度#评估与监控#向量检索

RAG 检索噪声 3 大策略

从数据构建、检索优化到后处理的策略

#字节#RAG 检索噪声#RAG 数据构建

面试题模型微调· 美团

RAG 深度与局限怎么破?

实际应用中的优化方向与改进方案,含检索与生成

#美团#RAG 局限性#RAG 优化方向

RAG 检索与生成流程详解

技术架构与典型应用场景详解,含检索与生成流程

#字节#检索生成流程#RAG 实现

面试题模型微调· 快手

Agent 系统怎么调优优化?

预训练后 Agent 调优方法及业界优秀案例技术特点

#快手#Agent#Agent 调优

大模型输出JSON怎么保正确?

解码策略、提示工程、后处理与Schema约束方法详解

#字节#Agent#大模型 JSON 输出

LLM 标签约束解码

用 logits mask、Trie、grammar/schema 保证标签合法

#约束解码#标签集合#LLM 标签约束解码

Prompt Engineering 关键原则有哪些?

少样本学习、思维链、角色设定等技巧实例详解

#百度#模型微调#Prompt工程

#SFT#RAG 知识更新#SFT vs RAG 知识更新

SFT vs RAG 知识更新

知识更新与任务适配时选择 SFT 或 RAG

RAG检索相关但生成差原因

RAG 场景下提示工程、上下文建模、微调三大策略

#上下文压缩#生成调优#RAG 生成优化

LLM 封闭标签如何强约束?

提示工程、解码约束与微调三种手段对比

#Agent#LLM 输出限定#封闭标签集

生成质量差怎么调优?

RAG 系统中生成模块的调优策略,涵盖 Prompt 与模型微调

#RAG 生成质量#指令遵循#生成模块调优

生成模型回答不准怎么调?

检索准确后生成仍差的原因与优化策略,含提示工程与微调

#生成模型调优#上下文利用#RAG 生成不准确

怎么提升对话模型事实一致性?

从模型架构、训练策略到外部知识集成的方法

#百度#模型微调#评估与监控

大模型准确性瓶颈在哪?

从架构、数据、微调策略到RAG与校验机制

#百度#评估与监控#大模型准确性提升

#字节#动态Prompt训练数据#Prompt微调数据构建

动态Prompt训练数据怎么构建?

样本生成、标签定义、上下文建模三大环节设计思路

面试题模型微调· 商汤科技

RAG 基本工作流程是什么?

从检索到生成,覆盖 Embedding 与向量数据库

#商汤科技#RAG 工作流#RAG 工作流程

面试题模型微调· 美团

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

#美团#知识增强#RAG 核心问题