练完一遍了？ 用英文写下回答，粘贴到免费自查工具打分（工具按英文要点评分）
考察点
能否用一句话讲清根因，给出生产系统真正能用的分层缓解手段，并说明如何度量这个问题，而不只是描述它。
评分要点
- 根因：模型被训练去生成看起来合理的续写，而不是核实事实，它也没有内置的“我不知道”信号。
- 分层缓解：grounding（基于检索到的来源作答）并要求引用；允许并鼓励“我不知道”；用 schema 和枚举约束输出，事实类任务调低 temperature。
- 事后校验：用自动校验器把答案中的说法和来源逐条核对。
- 度量：把答案拆成单条 claim，用 NLI 模型或 LLM judge 逐条核对，报告有来源支撑的比例，并检查引用段落是否真的包含该说法。
常见扣分点
认为换更大的模型或写更严格的 prompt 就能解决幻觉。
参考回答
模型被训练去生成看起来合理的续写，而不是核实事实，它也没有内置信号告诉自己哪些不知道。所以即使答案没有依据，它也会写出很流畅的文字。
我分层来减少它：让答案基于检索到的来源并要求引用；允许并奖励“我不知道”这条路径；用 schema 或枚举约束输出；事实类任务调低 temperature；最后用自动校验器把说法和来源对一遍。
度量时，我把每个答案拆成单条 claim，用 NLI 模型或 LLM judge 逐条和提供的来源核对，报告被支撑的比例。再配合引用检查：被引用的段落里真的有这条说法吗？
常见追问
RAG 系统应该怎样决定回答“我不知道”？ 结合检索或重排序分数低于校准阈值、没有能回答问题的 chunk、以及对草稿答案做来源校验这几个信号。除了答案准确率，也要评估拒答的 precision。
中文手册想要完整的中文备考方法？
《如何从0到1准备AI Engineer面试》：20 章、5 套答题框架（FLAME、SPARK、FORGE、RISE、EMBER）、100 道题库和 8 周备考计划。
获取中文手册 优惠码 EARLYBF 立减 40%，截至太平洋时间 11 月 3 日 23:59更想读英文版？The 0→1 AI Engineer Interview Playbook，$19.99，Gumroad 英文版。也可以先免费领取 Top 30 题 PDF（英文）。