今日头条

1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...

双非一本，八股刚开始，这个简历能找到实习吗。。。

简历如下，求拷打😭还能有机会去中大厂实习吗，想找到暑期实习

最近在准备校招，研究了一堆AI Agent相关材料，把最有用的几篇整理出来分享给大家。 如果你也在准备AI方向的岗位，这些思路应该对你有用。 📚 必读材料整理 1️⃣ Agent架构必知：从 Prompt 到 Context  来源：阿里云开发者社区  Agent技术的本质升级：Prompt是静态任务入口，Context是动态智能基座。 三阶段架构升级：  V1.0：单一Prompt驱动 V2.0：工具调用 + RAG增强 V3.0：多智能体协同 + 动态Context管理  面试高频考点：记忆管理、推理策略、工具编排、多智能体协作框架 2️⃣ 智能体如何“看懂”界面，精准找到“人想要”的对...