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 ...

求实习啊

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

2026.03.17 14:00到地点后给面试官打电话结果在开会，来面试的是这个公司的技术负责人自我介绍起手 介绍两个项目 自己负责的模块实现的功能 围绕项目流程和技术选型上问了不少数据库：问了事务 使用过的DBMS类型 集群数据库一致性保证 SQL调优怎么处理 有没有做过大数据的分库分表 选择使用的哪些中间件AI ：问了平时怎么写提示词 国内国外的大模型用过哪些 怎么配token AI IDE使用过哪些 比较Agent: RAG和Agent的概念和实现原理 不会（）MQ： RabbitMQ和Kafka的选型 怎么在服务器搭建 几种模式和组成 以及在代码中如何完整的构建场景： 如何实现一个大型...