幻觉

大模型岗到底有哪些？这六个主要工作让你秒懂！

:能独立采取行动以实现特定目标的AI个体；Agent的特点：会使用工具，比如查数据库，买车票；拥有记忆，可以记住之前经历；会根据环境、自身记忆、自身能力进行行动决策；Agent的缺陷：带着大模型本身的幻觉情况
AGI大模型学习·2025-07-04 16:18

结合LangGraph、DeepSeek-R1和Qdrant 的混合 RAG 技术实践

传统RAG通过向量数据库存储文档嵌入并检索相关内容，结合大语言模型（LLM）生成回答，有效缓解了LLM的“幻觉”问题。
大模型之路·2025-07-03 17:45

语言的钥匙：提示工程的艺术与驾驭AI的智慧

当大型语言模型（LLM）如GPT-4展现出令人惊叹的通用能力，却又伴随着“幻觉”、“黑箱”和“不可控”等阴影时，一个核心问题变得无比迫切：人类如何有效地与这些庞然大物沟通，引导它们可靠、安全、精准地完成任务
田园Coder·2025-07-03 10:51

【LLaMA 3实战：检索增强】13、LLaMA 3+RAG精准问答系统优化全指南：从检索增强到可信度提升实战

准确性提升的三大核心挑战问题类型典型表现传统方案局限RAG+LLaMA3解决方案知识滞后型错误回答包含过时技术细节依赖模型预训练更新动态检索最新文档库上下文误解曲解问题意图或检索内容固定分块导致语义断裂语义感知分块+动态查询扩展事实幻觉虚构不存在的概念或数据缺乏外部事实校验溯源标注
无心水·2025-07-02 07:53

Cursor AI 编程黑科技实战技巧

规避幻觉代码：对复杂需求追加约束（例：“用Python连接MySQL，禁用ORM，使用参数化查询
深山技术宅·2025-07-01 18:23

面向大语言模型幻觉的关键数据集：系统性综述与分类法

面向大语言模型幻觉的关键数据集：系统性综述与分类法摘要大语言模型（LargeLanguageModels,LLMs）在自然语言处理的多个领域取得了革命性进展，但其固有的“幻觉”问题——即生成看似合理但与事实不符或与上下文无关的内容
致Great·2025-06-30 23:23

RPC：跨越代码与硅晶的“握手”——你每天都在用，却可能从未真正理解它

——从本地调用的幻觉到服务万物的底座，解析这个支配云原生时代的隐形协议引言：一个程序员的日常困境想象一下这个场景：你正在构建一个电商系统。
老马爱知·2025-06-28 16:02

【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?

目录LLMs核心不足点1、知识过时与静态性（LackofReal-Time&DynamicKnowledge）：2、幻觉与事实性错误（Hallucinations&FactualInaccuracies
一叶千舟·2025-06-28 15:50

深入理解RAG：大语言模型时代的知识增强架构

然而，即使是最先进的模型也面临着知识更新滞后、事实性错误（幻觉）和专业领域知识不足等根本性挑战。
小胡说技书·2025-06-25 23:43

大模型应用实战1——大模型基本开发知识及GLM4的原理与应用（用大模型做游戏npc）

2.多轮互动产生原因：大模型会自己发散（幻觉）3.functionCalling产生原因：用户可以提问不同类型的事情，比如天气和季节解决方法：不要去给大模型设定好要做什么这里面，框架就要承担很重要的职责
爱学习的uu·2025-06-23 17:19

这9个MCP服务器改善AI幻觉（减少99%的代码错误）

几乎所有AI编程助手都在持续产生过时API的幻觉，忘记项目上下文，并一遍又一遍地犯同样的错误。
李孟聊人工智能·2025-06-22 21:02

大模型RAG系统面试题及参考答案

RAG如何减少“幻觉（hallucination）”？为什么说RAG可
大模型大数据攻城狮·2025-06-22 18:13

基于 LLM 的网络钓鱼网站检测多代理框架

虽然大型语言模型（LLM）的最新进展通过上下文理解改进了网络钓鱼检测，但大多数现有方法都依赖于面临幻觉风险的单代理分类，并且缺乏可解释性或稳健性。
hao_wujing·2025-06-22 01:30

百度大模型免费上线，学AI大模型就选近屿智能

文心大模型4.5是百度自主研发的新一代原生多模态基础大模型，通过多个模态联合建模实现协同优化，提高多模态理解能力，精进语言能力，提升理解、生成、逻辑、记忆能力和去幻觉、逻辑推理、代码能力，甚至还能理解网络笑话
·2025-06-20 04:29

LangChain、RAG、Agent是什么

背景与技术概述：随着大语言模型和RAG技术发展，AI知识库广泛应用于各行业，但传统信息管理系统存在问题，大模型也有“幻觉”现象。
ZhangJiQun&MXP·2025-06-20 00:33

llama_index chromadb实现RAG的简单应用

由于大模型存在一定的局限性：知识时效性不足、专业领域覆盖有限以及生成结果易出现“幻觉”问题，需要通过结合实时数据和专业知识提升生成内容的准确性、时效性和可信度。‌‌
victorwjw·2025-06-19 21:07

就离谱！Python相对路径竟暗藏杀机？90%开发者踩过的坑！

本文揭露Python相对路径的三大致命陷阱，带你破解那些年我们都被骗过的"路径幻觉"！一、血泪现场：谁动了我的相对路径？
倔强青铜3·2025-06-19 04:03

《思考是幻觉，自由是剧本》：“独立思考”是精英编造的神话！普通人连认知权都没有...

《思考的本质：从自由意识到被编程的幻觉》目录引言：你以为你在思考，其实你只是在复读第一章：意识，是进化的工具，还是控制的容器？第二章：思维是你的？不
·2025-06-18 13:17

Langchain学习笔记(五)：检索增强生成(RAG)基础原理

一.RAG系统的基本原理与架构检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索系统和生成式AI的混合架构，旨在解决大语言模型(LLM)的知识时效性和幻觉问题
zhangsan0933·2025-06-16 01:09

就离谱！Python相对路径竟暗藏杀机？90%开发者踩过的坑！

本文揭露Python相对路径的三大致命陷阱，带你破解那些年我们都被骗过的"路径幻觉"！一、血泪现场：谁动了我的相对路径？
·2025-06-15 15:00

一个Rules+3个MCP就让你的Cursor不仅无幻觉还能自主给修Bug，甚至还能把高速回复500次提升到2500次。

经过我的实测，这3个配合能让你的Cursor使用自动测试并优化cursor自己写的代码，不用再手动每次复制粘贴Bug让cursor看，全程无幻觉，还能把高速回复次数提升到2500次，免费版本IDE也可以使用
asunnyboy861·2025-06-15 15:06

RAG：2025年检索增强生成前沿技术完全指南

这项诞生于2020年的创新技术，通过将信息检索（Retrieval）与文本生成（Generation）解耦又融合的设计，突破了传统语言模型“幻觉”问题的桎梏，为构建可信、可控、可扩展的AI系统奠
大模型之路·2025-06-13 11:18

【论文阅读笔记】HaDes幻觉检测benchmark

0论文信息题目：AToken-levelReference-freeHallucinationDetectionBenchmarkforFree-formTextGeneration作者：TianyuLiu,YizheZhang,ChrisBrockett,YiMao,ZhifangSui,WeizhuChen,BillDolan会议：ACL，2022链接：https://arxiv.org/ab
zsq·2025-06-13 05:32

【大模型应用笔记】检索增强生成（RAG）是什么？

优势是提高答案准确性，减少幻觉，支持实时更新知识。主要步骤包括：检索：从知识库中找到相关文档增强：将检索到的信息注入到prompt中生成：模型基于增强后的上下文生成回答知识预处理-
·2025-06-13 02:12

为什么RAG系统必须引入Rerank？深入解析两阶段检索的价值与挑战

在当今大模型应用中，检索增强生成（RAG）已成为解决知识更新和幻觉问题的关键技术，但超过70%的RAG系统在首次部署后都面临答案不精准的困扰——而引入Rerank重排序机制，正是解开这一困局的关键密钥。
一休哥助手·2025-06-12 19:18

CON:Chain-of-Note: Enhancing Robustness in Retrieval-Augmented Language Models 论文解读

RALM主要存在两个问题：搜索结果误导性：搜索结果依赖其召回和排序，所以不一定和问题相关，不相关的结果融合到大模型中会给大模型带来误导导致错误的答案（甚至有的时候大模型依靠内部记忆能够正确回答）；回复幻觉问题
亦万·2025-06-12 17:29

检索增强生成（RAG）技术深度解析：从原理到实践

一、RAG技术概述1.1技术背景生成式AI模型（如GPT-4、Claude）在自然语言处理领域取得了革命性进展，但在处理特定领域查询或提供高度准确信息时仍面临局限性，常出现“幻觉”问题——生成不准确或虚构的细节
编程巫师·2025-06-11 17:43

DeepSeek-R1-0528实测：小版本更新带来大进步，前端能力惊艳、幻觉降低，能力更强！

.思维深度的量化突破二、性能表现深度解析：全方位能力跃升1.数学推理能力的巅峰表现2.小模型蒸馏的技术突破3.多维度能力优化三、实测体验全方位评估：从代码到创意的全面进化1.前端开发能力的惊艳升级2.幻觉
Code_流苏·2025-06-10 10:36

【RAG召回优化】rag召回阶段方法探讨

Retrieval-AugmentedGeneration,RAG）通过整合外部知识库信息来增强大型语言模型（LargeLanguageModels,LLMs）的能力，已成为解决LLM固有局限性（如知识陈旧、领域信息不足和幻觉生成
weixin_37763484·2025-06-09 00:36

大模型如何重塑司法与合同

基座强化：从通用大脑到法律专家推理引擎：法律思维链的编码艺术抗“幻觉”屏障：双重保险机制03落地生根：AI如何改变法律实践？
·2025-06-09 00:36

RAG模型效果优化全攻略：多维度策略优化RAG模型性能的关键技术与方法（RAG优化）

存在幻觉、应用有一定门槛：在大模型使用上有一些幻觉、合规问题，没有办法很好地落地，配套工作不足，缺乏现成的方案来管理非结构化文本、进行测试、运营和管理等。
汀、人工智能·2025-06-09 00:05

GPT-5：不止于回答，AI学会了“思考”

它在情感感知和减少“幻觉”（即
AIGC小火龙果·2025-06-08 17:18

RAG（Retrieval-Augmented Generation，检索增强生成）

传统模型的痛点：依赖预训练数据中的知识，难以处理动态、实时或冷启动知识，且可能产生“幻觉”（生成错误信息）。RAG的核心逻辑：通过检索外部知识库（如文
allein_STR·2025-06-06 17:45

RAG：大模型微调的革命性增强——检索增强生成技术深度解析

一、大模型的核心困境：知识固化与幻觉痛点场景：医疗诊断中模型给出过时治疗方案（知识截止2023年）法律咨询引用已废止的法规条款技术文档生成混淆相似术语（如Kafka与RabbitMQ）
摘取一颗天上星️·2025-06-05 22:13

人形机器人最大的痛点是什么

只要人工智能不撞墙，人形机器人绝对增长，那个neogamma家有人形做好，我看它在前段时间ted上实机演示拿个水壶浇花都费劲，但是的确完成了，还能用扫地机，仅靠人的语音指令自主完成了规划只要大模型推理能力持续加强，幻觉能力持续降低
ZhuBin365·2025-06-05 13:11

法律AI的“幻觉”治理：大模型如何重塑司法公正与效率

目录一、法律大模型的崛起：机遇与挑战并存典型应用场景全景二、技术攻坚：破解法律AI的“幻觉”困局法律幻觉的三层治理框架三、落地实践：从法庭到田间的场景革命司法效率的质变法律服务的普惠化法律教育的革新四、
七刀·2025-06-05 09:40

如何减少大模型幻觉？⸺大模型外挂向量数据库的分析（知识延伸版）

（转载需经授权）目录1.大模型幻觉1.1大模型幻觉的含义1.2大模型幻觉产生的原因2.缓解大模型幻觉方案的比较与选择2.1Prompt优化2.2微调大模型2.3外挂知识库3.向量数据库3.1向量3.
姚瑞南Raynan·2025-06-04 20:27

基于LangChain的AI助手开发：从零到上线

通过某银行智能投顾系统的落地案例，详解如何实现多轮对话准确率92%、意图识别响应时间<800ms、工具调用成功率99.7%等关键指标，并分享处理大模型幻觉、保障数据隐私的11项核心策略，为A
知识产权13937636601·2025-06-03 23:53

RAGFlow从理论到实战的检索增强生成指南

六、未来展望：RAGFlow的进化方向前言在AI大模型时代，如何让LLM（大型语言模型）摆脱“幻觉”并输出可信内容？答案藏在RAG（检索增强生成）技术中
勤奋的知更鸟·2025-06-03 03:01

大模型现象级发现-2025年上半年 资料收集

不思考的小技巧2025-05-27最新实验：不听人类指令OpenAI模型拒绝自我关闭https://x.com/PalisadeAI/status/1926084635903025621公众号qwen3的致命幻觉
CSPhD-winston-杨帆·2025-05-30 15:51

ReAct|学习笔记

内容来自极客时间-Langchain实战课，侵权请联系删除LangChain实战课-掘金小册-掘金小册仅仅应用思维链推理并不能解决大模型的固有问题：无法主动更新自己的知识，导致出现事实幻觉。
550A·2025-05-30 11:26

Spring Boot集成Spring AI与Milvus实现智能问答系统

然而，传统的问答系统往往面临AI幻觉（Hallucination）问题，即生成不准确或无意义的回答。
Uranus^·2025-05-27 01:52

工业大模型全景解析：53个大模型案例深度探索

工业场景要求严谨、容错率低，核心业务场景对模型准确率的要求达到95%以上、对幻觉的容忍率为0，因此通用基础大模型的工业知识往往不足以满足工业场景的应用需求。
大模型猫叔·2025-05-25 22:09

小黑黑prompt表述短语积累1

给定文本提取信息2.注重双语能力尤其注重中英文语义转换的准确性和专业性3.理解项目or文本的关键内容-精准定位xxx中要解决的核心问题-明确量化分析目标-评估预期技术的影响-解析技术路线中的理论方法4.减少幻觉
爱喝喜茶爱吃烤冷面的小黑黑·2025-05-25 14:49

谷歌medgemma-27b-text-it医疗大模型论文速读：多语言大型语言模型医学问答基准测试MedExpQA

例如，LLMs可能会生成过时信息或幻觉内容（hallucinatedcontent），即看似合理但事实错误的答案。此外，现有的医学问答基准测试缺乏医学
Open-source-AI·2025-05-24 03:21

语言模型幻觉的成因解析：从数据到生成的潜在风险

这种现象简称AI幻觉。AI模型创造的内容确实让人眼前一亮，执行效率更没的说。在与AI模型的对话中，假设你对这个话题所属领域的知识一窍不通，盲目信任，那你大概率会被AI误导。
纸团团长励志要成长·2025-05-21 20:51

幻觉的迷宫：DeCo算法与大型语言模型的真相之旅

序章：幻觉的迷宫在人工智能的世界里，幻觉（Hallucination）就像一只调皮的狐狸，时不时在模型输出中留下虚假的脚印。
步子哥·2025-05-21 15:45

生成式AI：技术、边界与未来生态的深度洞察

它既能在蛋白质结构预测等专业领域超越人类专家，也能在日常办公场景中提升效率，但同时存在数据幻觉等局限性。正如百度创始人李
心灵彼岸-诗和远方·2025-05-20 22:25

动态知识图谱在GEO优化中的核心价值与实施路径

一、动态知识图谱的核心作用：从“静态知识库”到“智能生成引擎”增强生成准确性动态知识图谱通过结构化存储“实体-关系-属性”网络（如产品参数、用户画像、行业术语），为生成式AI提供权威数据源，减少模型“幻觉
白雪讲堂·2025-05-19 23:28

【综述论文阅读】A Survey on Multimodal Large Language Models下

(2)如何缓解多模态幻觉问题（第6节）？（3）三个关键技术（
pureblacker·2025-05-18 06:14
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他