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 ...

如题，求大佬们给点意见

项目介绍与主要职责：项目名称：VoiceNexus - 企业级智能语音助手平台项目周期：2024.03 - 至今项目角色：核心研发 / 技术负责人项目描述：面向 B 端客户的全双工 AI 语音客服平台，集成 ASR/LLM/TTS 三大能力，支持实时语音打断与多轮对话。日均处理 50 万+ 通语音会话，端到端 P99 延迟 < 800ms，降低人工成本 65%，线索转化率提升 23%。核心职责：负责 WebSocket 实时通信层架构设计，基于 Netty 实现高并发长连接服务，单节点支撑 5000+ 并发，连接成功率 99.97%，通过线程池隔离和对象池复用将 Full GC 降至 0...