【应用技巧】大模型生成结果优化技巧

大模型生成结果优化

RAG(retrieval augmented generation,检索增强生成)

  • 在生成式自然语言模型的基础之上,增加了检索外部知识库的机制,以应对“ai幻觉”;
    RAG原理

微调

  • 在预训练模型(如 BERT、GPT)的基础上,使用特定任务的数据继续训练,调整模型参数,使其适应新任务(如法律文件输出、医疗文本分类)。
  • 主流微调方案:
    • 全量微调:深度适配模型参数,用特定数据重新训练大模型,让它更擅长某个领域,训练成本高;
    • Lora微调:仅训练少量新增参数来适配下游任务,同时冻结预训练模型原有的参数,性价比高,性能比全量微调差;

蒸馏

  • 模型压缩技术,以大模型作为监督信号训练小模型,实现快速训练;

联网搜索技术

三种方案对比

提示词

  • 可以理解为提问技巧:角色+背景+任务+要求
posted on   流沙何  阅读(10)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 无需6万激活码!GitHub神秘组织3小时极速复刻Manus,手把手教你使用OpenManus搭建本
· C#/.NET/.NET Core优秀项目和框架2025年2月简报
· Manus爆火,是硬核还是营销?
· 一文读懂知识蒸馏
· 终于写完轮子一部分:tcp代理 了,记录一下
点击右上角即可分享
微信分享提示