概览
这场竞赛适合谁
有 RAG 系统构建经验、想深入研究幻觉控制的研究者。
查看官方简介原文
你会深入理解 RAG 系统的幻觉问题和评估方法，这是当前 LLM 应用最核心的挑战。
参赛准备
从报名到首次提交的准备步骤
- 01
Python
- 02
RAG 系统经验
- 03
LLM 推理优化
- 04
信息检索基础
投入前确认：需要在多种问题类型上同时控制准确率和幻觉率，对检索策略和生成控制的要求极高。
来源
一场研究型难度的大语言模型竞赛，预计投入 40–80 小时，适合用真实赛题完成一次端到端练习。
概览
有 RAG 系统构建经验、想深入研究幻觉控制的研究者。
你会深入理解 RAG 系统的幻觉问题和评估方法，这是当前 LLM 应用最核心的挑战。
参赛准备
Python
RAG 系统经验
LLM 推理优化
信息检索基础
投入前确认：需要在多种问题类型上同时控制准确率和幻觉率，对检索策略和生成控制的要求极高。
来源
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准。