刘宇琪

如何有效缓解大语言模型生成内容中的事实性错误（幻觉） 问题背景 大语言模型（LLM）在生成文本时，常会输出看似合理但与事实不符的内容，称为“幻觉”（Hallucination）。这类错误在医疗、法律、

多 Provider 图片生成服务 — 架构设计文档 1. 背景与目标 1.1 为什么需要多 Provider？ 在 AI 图像生成应用中，依赖单一模型供应商存在以下风险： 风险类型 描述 可用性风险

AI 通关攻略 · 第 9 关 | Token 定价：AI 是怎么收费的，怎么用才省钱 故事从一个常见困惑说起 使用 LLM API 是按 Token 计费的——输入和输出都要付费。 理解 Token

AI 通关攻略 · 第 8 关 | Few-shot & CoT：两个技巧让 AI 回答质量翻倍 什么是 Prompt Engineering 在使用 LLM 时，如何提问（即 Prompt 如何设计

故事从一个问题说起 RAG 是给 LLM "看"外部资料。那么有没有办法把知识直接训练进模型里，让模型"天生就懂"？ 这就是 Fine-tuning（微调） 要解决的问题。 1. 什么是 Fine-t

AI 通关攻略 · 第 6 关 | Function Calling：让 AI 从"会说话"进化到"会做事" 故事从一个问题说起 LLM 本身只能输出文本。但在实际应用中，我们经常需要： 查询数据库返

AI 通关攻略 · 第 4 关 | RAG：给 AI 装上"实时资料库" 故事从一个问题说起 LLM 的知识是静态的——训练完成后，它的知识就停止了。如果你想让 LLM 回答： "我们公司去年 Q3

AI 通关攻略 · 第 5 关 | Temperature & Top_p：如何让 AI 稳定又富有创造力 为什么要调节这些参数 LLM 是"下一个 token 预测机器"——给定前文，它会给每个可能

AI 通关攻略 · 第 3 关 | 幻觉：为什么 AI 会一本正经地胡说八道 什么是幻觉 幻觉（Hallucination） 是指 LLM 在生成内容时，产生了看似合理但实际上是错误的输出——包括虚假