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 ...

rt 不知道是真的假的丁老板 太难绷了

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

最近不管是写课设代码、改春招笔试算法题、做项目调试，还是整理面试思路、写实习日记，基本都离不开AI。把市面上主流的ChatGPT、Claude、豆包、Cursor、Trae全试了个遍，慢慢摸透了哪个场景用哪个最香，再也不用瞎试了。先说说程序员最关心的代码类AI，也是我用得最多的：Cursor算是我写代码的“主力工具”了，直接集成在编辑器里，不用切窗口太香了。写Java后端代码的时候，实时补全逻辑、一键重构代码、调试小BUG，完全贴合写代码的节奏；尤其是写算法题，边写边给提示，比对着ChatGPT复制粘贴舒服太多。缺点就是复杂场景的思路分析稍弱，但日常开发、课设、实习写代码完全够用。Trae这个...