- 博客(3)
- 收藏
- 关注
RSS订阅原创 Datawhale AI夏令营（多模态RAG图文问答挑战赛TASK 02）baseline优化
RAG（Retrieval-Augmented Generation）通过结合检索与生成，在金融、法律、文档问答等场景有非常高的实用价值。但很多 baseline 的实现比较粗糙，比如：分块策略（Chunking）粒度过大，导致召回不精确；检索阶段直接用 Top-K，噪声块比例高；Prompt 不够明确，容易产生幻觉；对于图片等多模态信息，没有有效利用。本文基于官方 baseline，带你一步步完成四个方向的进阶优化，并给出可直接运行的核心代码。
2025-08-09 12:14:47
365
原创 Datawhale AI夏令营（大模型结构化Task 02）代码要点
将结构化数据（如列车信息字典和问题列表）嵌入到自然语言提示词中，引导模型理解背景并按要求输出。字段包含了敏感的 API 密钥，真实项目中应将其存放在安全配置文件或环境变量中，避免在代码库中明文暴露。结构中捕获 API 调用或解析过程中可能出现的异常，将出错的数据行记录下来，避免整个程序崩溃。函数集中管理要问的问题，可以根据实际需求添加或修改问题项，设计更贴合业务场景的问法。匹配字符串中特定格式的内容，比如提取 Markdown 代码块中的 JSON。包裹）来约束模型的输出结构，以便解析。
2025-07-27 22:30:09
421
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人