AI 技术共52篇

附完整离线评估包：固定查询集、校验ID和标注，复现只统计非空结果造成的分数虚高；分别报告缺失记录、空结果与无答案题，保留逐题证据。

网页、PDF和邮件中出现的命令语气，未必来自真正的任务发起者。AI读取外部材料时，应把这些文字作为待分析的数据，不能让材料自行改变任务目标。

说明知识库检索、上下文与引用展示为何都需要访问控制，并检查文档权限与用户身份的一致性，避免搜索结果越权。

关键词检索与向量检索各返回一份列表时，不能直接把两种原始分数相加。RRF用每项在列表中的名次计算贡献，再合并相同文档，是一种容易检查的排名融合方式。

让AI筛选需要人工处理的反馈时，既可能把普通反馈误报为问题，也可能漏掉真正的问题。只看一个总体准确率，很难知道下一步应该修正哪类错误。

接入MCP后只看到几项工具，不一定代表服务器只提供这些能力。列表操作可能分页返回，客户端需要读取下一页游标，才能判断发现过程是否结束。

训练集与测试集即使没有重复行，也可能发生信息泄漏。如果先用全部数据计算均值、填补规则或筛选特征，再拆分训练与测试，测试数据已经参与了模型准备过程。

两种嵌入模型都输出相同数量的数字，不代表这些向量可以直接放在一起比较。向量长度只是结构条件，查询与文档还需要处于兼容的表示空间。

多分类任务除了看每类表现，还常汇总成一个分数。macro给每个类别同样权重，weighted按各类真实样本数加权，二者回答的问题不同，不能省略名称只报一个“平均分”。

向量检索要限定产品类别或文档范围时，过滤发生在哪一步会影响候选结果。先从全部资料取前几名再过滤，与先限定范围再检索，并不一定得到同样的列表。