数字营销

安徽企业数字营销策略与实战方法

  • 基于推理状态感知的大模型渐进式检索优化方法研究

    针对传统静态 RAG 范式在复杂多跳推理场景下信息供给与推理需求失配、检索粒度固化、多轮证据冗余干扰生成质量等核心问题,本文提出一种基于推理状态感知的大模型渐进式检索优化方法。该方法构建多维度推理状态量化评估模型实现检索时机智能判定,设计四级多粒度索引体系实现自适应粒度检索,提出跨轮次证据结构化融合机制完成去重与冲突消解。公开多跳推理数据集实验表明,该方法答案精确匹配率较静态基线提升 32.6%,事实一致性得分提升 28.1%,可有效支撑大模型深度推理场景的检索能力升级。

  • 面向通用大语言模型的检索增强全链路搜索优化方法研究

    针对当前大语言模型检索增强生成系统存在的查询语义失配、单一路径召回盲区、检索与生成目标错位、多轮会话上下文断裂等核心问题,本文提出一套全链路搜索优化技术体系。该体系构建自适应多粒度查询重构框架,设计稀疏 - 稠密 - 结构三位一体混合召回架构,提出检索 - 生成双向反馈的自适应重排序模型,并实现会话上下文感知的增量检索机制。在公开数据集上的实验表明,该方法在单轮问答任务 MRR@10 指标上较基线提升 29.7%,多轮会话检索准确率提升 24.3%,可有效支撑通用大模型的搜索增强能力升级。