逐日AI微信小程序
14 天 RAG:从检索到可信回答
第 1 周 · D1🔒 锁定约 4 小时

为什么要检索:幻觉、知识截止与长上下文的代价,以及一个纯关键词的最小 RAG

先弄清楚检索增强生成到底替模型解决了哪三个具体毛病,再把它和微调、超长上下文放在一起比成本与适用面,最后不碰任何向量,用 BM25 打分写出第一个能回答问题的最小系统。

今日目标 0/3

登录后可以勾选并保存进度。

先弄清楚检索增强生成到底替模型解决了哪三个具体毛病,再把它和微调、超长上下文放在一起比成本与适用面,最后不碰任何向量,用 BM25 打分写出第一个能回答问题的最小系统。

登录并关联后阅读全文

请先登录网页,并在账户页关联微信小程序账号。关联后每天可免费阅读 1 篇;额外文章需在小程序看广告解锁。

小程序码

微信扫码打开「逐日AI」,进入相同课程和章节,选择看广告解锁,完成后刷新本页。

面试题库

  • 什么时候该用检索增强生成,什么时候该微调,什么时候直接把文档塞进上下文就够了?When should you use retrieval-augmented generation, when should you fine-tune, and when is stuffing the documents into the context window good enough?
    国内高频海外高频基础#rag-basics#fine-tuning#long-context

    🔒 解锁本章后查看答题要点。

  • BM25 里的词频饱和与文档长度归一化分别在解决什么问题?把 k1 和 b 都设成 0 会发生什么?In BM25, what problems do term-frequency saturation and document length normalization each solve? What happens if you set both k1 and b to zero?
    国内高频海外高频进阶#bm25#ranking#information-retrieval

    🔒 解锁本章后查看答题要点。

  • 一个检索增强生成系统答错了,你怎么定位是检索的锅还是生成的锅?A retrieval-augmented generation system gave a wrong answer. How do you determine whether retrieval or generation is at fault?
    国内高频海外高频进阶#debugging#failure-modes#evaluation

    🔒 解锁本章后查看答题要点。

  • 上下文窗口已经做到上百万 token 了,检索这一步会被淘汰吗?Context windows are now in the millions of tokens. Does that make the retrieval step obsolete?
    国内高频海外高频深入#long-context#cost#system-design

    🔒 解锁本章后查看答题要点。

评论