上下文压缩、RAG 与微调的区别和适用场景
哪些公司问过
答案要点
- 上下文压缩:输入侧精简,降低 token 成本与延迟,不改模型、不引入新知识
- RAG:推理时检索外部知识,知识可随时更新、可溯源
- 微调:更新参数,适合固定风格、格式、术语和任务能力
- 微调不擅长频繁变化的事实,有训练成本与灾难性遗忘风险
- 选型看知识时效、溯源需求、数据量与预算,常组合使用
易错点
- 想用微调给模型灌入经常变化的知识
- 认为 RAG 能解决输出风格和格式问题
- 压缩过度丢失关键细节却没有评估
面试官常见追问
- 什么时候选微调而不是 RAG?
- 上下文压缩有哪些具体做法?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。