评估 RAG,不应该只看答案像不像
把 RAG 的失败拆成检索、上下文组织和生成三个阶段,才能知道下一次优化应该发生在哪里。
阅读全文WRITING
技术笔记、论文阅读,还有偶尔的碎碎念。
把 RAG 的失败拆成检索、上下文组织和生成三个阶段,才能知道下一次优化应该发生在哪里。
阅读全文当 Agent 开始调用工具、修改状态和反复规划,传统日志已经不足以解释一次任务为什么成功或失败。
阅读全文离线指标提供的是证据而不是结论;数据切分、样本偏差和业务切片决定了这份证据是否可信。
阅读全文我希望给学习过程、工程判断和长期思考留下一份可回看、可检验的版本记录。
阅读全文从缩放点积注意力、多头机制和位置编码出发,理解 Transformer 为什么改变了序列建模,也看清它没有解决什么。
阅读全文好的学习记录不是教程的复述,而是把自己的疑问、实验路径和判断边界一并留下。
阅读全文实验记录不是流水账,而是一份关于假设、代价、证据和下一步决策的最小合同。
阅读全文拆解 DeepFM 如何用共享 Embedding 连接 FM 与深层网络,以及这套思路为什么仍值得推荐系统工程师掌握。
阅读全文深度不是由资料数量决定的,而取决于使用频率、错误代价,以及它是否构成自己的核心能力。
阅读全文比起记住“指标提升了”,更值得留下的是问题如何被定义、实验如何设计、结论边界在哪里。
阅读全文从曝光、点击、转化的概率链出发,理解 ESMM 如何缓解 CVR 预估中的样本选择偏差与数据稀疏。
阅读全文从 Thought、Action、Observation 的交替轨迹出发,理解 ReAct 如何连接语言推理和外部工具,以及落地 Agent 时真正需要补齐的工程能力。
阅读全文工程实验不追求项目完成度,它用来记录假设、原型和那些暂时没有结论的探索。
阅读全文