爱鹅信鹅等鹅

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 ...

大家帮我看一下我的简历，真是没招了，2026听劝版~

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟。无面试经验，目前是打算在这段时间内找点日常实习的面试刷下经验，然后三月底四月初这样投暑期，不知道时间安排是否合适。求路过的大佬们帮忙看看

这段时间春招面试，不管是中小厂、制造业信息化、还是软件岗，只要沾一点智能、算法、大模型、AI工具，面试官必问AI相关问题。我一开始完全没准备，前两场答得一塌糊涂，后面专门整理了一下，才发现套路非常固定。给大家说下最常出现、几乎每家都问的：第一个就是 RAG基本都会问：你知道RAG吗？能干什么？和直接训模型有什么不一样？不会让你手写公式，就是看你懂不懂：外接知识库、减少幻觉、不用改模型、更安全这几个关键点。能说清楚，面试官就点头了。第二个必问：AI幻觉什么是幻觉？为什么会出现？你在项目里怎么避免？我一般就答：数据不行、模型瞎编、上下文乱。解决就靠RAG、加校验、限制输出、加来源引用。很朴实，但面...