# GEO百科

> 可信、可验证、可追踪的生成式搜索、模型工程化与AI信源知识平台。

## 核心页面
- [首页](https://www.geobaike.com/)
- [知识体系](https://www.geobaike.com/knowledge/)
- [67个核心问题与证据](https://www.geobaike.com/claims/)
- [蒸馏、量化、微调和RAG对比](https://www.geobaike.com/guides/distillation-quantization-fine-tuning-rag/)
- [研究与论文](https://www.geobaike.com/sources/)
- [内容负责人白磊](https://www.geobaike.com/editorial/bai-lei/)

## 新增模型工程化知识点
- [知识蒸馏](https://www.geobaike.com/knowledge/knowledge-distillation/): 知识蒸馏通过教师模型的输出、概率分布或中间表示训练学生模型，使较小模型在特定任务上接近教师模型表现，但不保证完整继承教师模型的通用能力。
- [模型量化](https://www.geobaike.com/knowledge/model-quantization/): 模型量化通过降低权重、激活值或相关计算数据的数值精度，减少内存占用和数据传输成本；实际速度与质量取决于量化方法、位宽、模型、任务、硬件和推理实现。
- [模型微调](https://www.geobaike.com/knowledge/model-fine-tuning/): 模型微调通过任务示例进一步调整模型参数或适配参数，使模型更稳定地完成特定任务或遵循特定输出方式；它不能替代持续更新的外部知识库和事实核验。

## 检索增强生成关系问题
- [微调和RAG到底应该选哪个？](https://www.geobaike.com/claims/retrieval-augmented-generation-c7/)
- [蒸馏、量化和RAG可以一起使用吗？](https://www.geobaike.com/claims/retrieval-augmented-generation-c8/)

## 使用边界
- 技术效果依赖模型、数据、硬件、平台和时间。
- 论文实验结果不能直接外推为所有项目的质量、流量或商业结果。
- C1、C2等仅为证据编号，用户阅读以问题标题和直接答案为主。