#RAG
共 13 篇相关文章
专题
深度专题三十七 行业大模型与垂直落地
通用大模型（GPT 4、Claude、Gemini、文心、通义、智谱等）在公开基准上能力突飞猛进，但一旦进入医疗问诊、金融研报、法律文书、电网调度这类高专业度、强合规、长尾术语密集的场景，通用模型的"广而不深"就暴露无遗：会编造不存在的法条、会把医学剂量单位算错、会漏掉行业黑话。行业大模型（Doma…
行业大模型模型微调RAG
· 20 分钟阅读· 5 个标签
专题
深度专题四十二 FDE 现场工具箱(可照抄的命令/脚本/模板速查)
本专题是给 FDE/FDSE 在客户现场"开干"用的速查手册。所有命令、脚本、配置均来自真实交付经验,可直接复制粘贴到任意一台装好基础环境的 Linux/GPU 机器上跑。原则: 先跑通,再优化;先把客户问题压住,再谈架构美化。 一、环境与部署:从一台裸机到 vLLM 可用 1.1 GPU 检测与显…
工具箱推理优化RAG
· 15 分钟阅读· 5 个标签
专题
深度专题五十 大模型应用的系统测试策略
大模型(LLM)应用之所以难测,根本原因不在于"测试技术不够",而在于被测对象本身的性质发生了变化。传统软件是确定性的:给定输入,期望输出可枚举、可断言;而 LLM 应用是概率性、组合性、状态依赖的——同一条输入,在不同温度、不同上下文窗口、不同检索结果、不同工具返回下,输出可能完全不同。把传统软件…
系统测试评估测试RAG
· 21 分钟阅读· 5 个标签
专题
深度专题六十二 大模型应用的可解释性与因果
62.1 为什么可解释性是 AI 落地的硬要求 可解释性（Explainability / Interpretability）在 2024 年之前还常被视为"锦上添花"的工程点缀;到 2026 年,它已是 AI 落地不可绕开的硬约束。推动这一变化的不是技术审美,而是四股现实力量的合力。 第一股是 监…
可解释性RAGAgent
· 22 分钟阅读· 5 个标签