RAG 与检索系统:从 chunk 设计到多路召回

题集来源:Onefly(ranxi2001)收录项目:zero2Agent查看原题集

题目目录

82 道原题
  1. Embedding 和 ReRank 模型具体怎么做的微调?

    完整原题

    Embedding 和 ReRank 模型具体怎么做的微调?

    原题
  2. 如何用通俗易懂的方式向非技术人员解释 RAG?有没有好的类比?

    原题
  3. 双路召回的 TopK,K 是如何确定的?有没有试过一个多召回点、一个少召回点?

    原题
  4. 如何快速上手一个没接触过的技术(如向量数据库)?

    原题
  5. 如果用全量生产文档做关联性检索,用户每个问题要交互多少轮?有没有更高效的方案?

    原题
  6. 在渐进式披露的架构下,还需要 RAG 吗?RAG 的角色会怎么变?

    原题
  7. 如果 RAG 返回了看似可信但实际过时的信息,你会怎么降低 Agent 被误导的概率?

    原题
  8. 如果检索结果很多但质量参差不齐,你会把控制点放在召回、重排,还是 Agent 规划层?

    原题
  9. RAG 在 Agent 体系里应该被看成工具、记忆,还是推理前置步骤?

    原题
  10. Agent 场景下,什么时候该做一次检索、多次使用;什么时候该边执行边检索?

    原题