第二次ak場（），用時30分鐘左右最后一題想難了，其實(shí)直接簡單做，還可以到O(n)復(fù)雜度題型：單選 不定選 三道編程題（****）

理想：RAG 的完美愿景 在大語言模型（LLM）的浪潮中，檢索增強(qiáng)生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作為 LLM 應(yīng)用落地的關(guān)鍵技術(shù)范式之一，它的核心思想很簡單： “讓大模型在生成答案時，先檢索外部知識庫，確?；卮鸺葴?zhǔn)確又新鮮?！?amp;nbsp;理論上，RAG 能解決大語言模型（LLM）的三大痛點(diǎn)： 知識固化：LLM 依賴訓(xùn)練數(shù)據(jù)，無法自動更新知識（如 GPT-4 不知道 2024 年后的新聞），導(dǎo)致時效性差、專業(yè)領(lǐng)域知識不足，而 RAG 通過連接外部知識庫，可以隨時引入新信息。 幻覺問題：LLM 可能編造虛假信息，而 RAG 為回答提供證據(jù)、增強(qiáng)生...