开头请你自我介绍一下。项目讲一下两个项目的具体背景。文档解析准确率具体指什么,怎么计算?MRR、Top-k 召回率、答案准确率这些指标分别怎么计算?整体检索响应性能里,为什么用 P99 / P95,而不是平均延迟?全链路检索 150ms,是哪一项技术把延迟降下来的?Agent 项目里,3000 多条数据清洗时,是基于“数据本身”还是“问题分类”做 SFT / RL 分流?基于采样轨迹 reward 的组内分布:差异小做 SFT、差异大做 RL,具体规则是什么?整体得分都很高或都很低时,是否都拿去做 SFT?GRPO 和 DPO 最大区别是什么?DAPO 跟 PPO、DPO 哪个更接近?DAPO 相比 GRPO,在 token-level loss 分布上改了什么?主要设计了哪些工具接口?工具用的是 function call 还是 MCP?function call 里每个函数一般传什么参数?举一个查数据的例子。数据库查询是模型自己写 SQL,还是函数里预写 SQL 填参数?多表 JOIN / 多次查询需求下,工具灵活性怎么样?结尾你有什么问题想问我们吗?
开头
项目
结尾