匹配正文：…生成问题：把用户历史行为、上下文信息编码为Prompt，让模型自回归生成下一个物品的ID或属性，而非传统打分排序。工作原理核心流程：统一Token空间：将用户ID、物品ID、行为类型、时间等离散化为统一词汇表序列化输入：[BOS] 用户u [SEP] 点击i1 [SEP] 收藏i2 [SEP] 时间t [SEP] → 生成i3 自回归生成：模型学习行为序列的联合分布 P(i₃|u, i₁, i₂, t...) 典型方案： GPT4Rec/TIGER：直接生成Item …

#小红书#Item Tokenization#生成式推荐的序列原理

面试题·RAG· 小红书

生成式与判别式推荐选型

匹配正文：…类架构、Transformer decoder 生成解码自回归采样下一个token Beam search、Top-p采样典型流程：[BOS] item_23 item_156 item_89 → 生成 item_342 [EOS] 与传统判别式方法的核心区别维度判别式（DSSM/DeepFM等）生成式建模目标区分正负样本的判别能力序列数据的联合分布输出形式打分+排序（需要候选池）直接生成item ID 样本组织用户-物品对，依赖负采样纯序列，无需显…

#小红书#生成式与判别式推荐#生成式与判别式推荐选型

面试题·RAG· 华为

逻辑引导怎么用？

匹配题目：在构建大模型推理流程时，什么情况下需要对模型输出进行逻辑引导（logical reasoning guidance）？请举例说明其实现方式和优势。

← 上一页第 10 / 15 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#华为#逻辑推理引导#逻辑引导

面试题·RAG· 快手

人工干预怎么控制 LLM 生成?

匹配正文：…y识别：基于规则+小模型做意图分类，拦截违规请求 Prompt改写：自动注入安全约束（如"请确保回答符合法律法规"）上下文注入：RAG场景下动态插入合规知识片段 2. 生成层：过程控制解码策略干预：调整temperature、top-p，或对特定token降权动态停止条件：检测到风险模式时触发early stopping 工具调用约束：Agent场景下限制可调用的工具白名单 3. 输出层：审核与修正规则拦截：正则/关键词匹配高风险内容模型审核：用独立的安全模型做二分…

#快手#人工反馈控制#人工干预 LLM 生成

面试题·检索· 字节

Embedding 怎么实现语义召回?

匹配正文：…时需把query和document两端单位化。度量应匹配模型训练方式。学习建议建议先掌握向量嵌入和余弦相似度的基本概念，再结合RAG架构理解检索流程，通过动手实践使用Sentence-BERT等模型进行文本编码和相似度计算来加深理解。参考资料 Faiss官方度量与归一化 Faiss官方索引、增量与存储 Sentence Transformers官方向量量化 IRCoT原论文:多步推理与迭代检索

#字节#向量语义召回#Embedding 语义召回

项目实战·Agent

Deep Research Agent

匹配正文：…据和边界复盘。只有亲自完成并留有证据的部分，才能写进个人简历。适合谁想做 Agent / 规划方向、想补齐 Agent 训练全流程的同学自主调研 Agent：搜索 → 阅读 → 交叉验证 → 生成带引用的调研报告（以技术选型调研为例）业务背景：让 Agent 自己「做研究」，而不是查一篇文章这里用「为一个技术方案做选型调研」作为教学场景。普通问答可能只摘要一篇文章；Deep Research 需要先拆解子问题，再检索多个来源、检查时间与出处、发现信息缺口后调整搜索，…

#项目实战#Deep Research Agent

系统教程·模型微调

大模型微调与训练面试题大全

匹配正文：应用岗不一定天天训练模型，但一定会被问到什么时候该微调、和 RAG / Prompt 怎么取舍、LoRA 怎么做、DPO 和 RLHF 有什么区别。这一页把微调、训练、对齐三类题连成一条线。配套教程要不要做微调 / Post-Train 项目，轻量版怎么做 Deep Research 第 6 章：训练数据与多阶段训练知识模块轻量微调、LoRA 与应用场景轻量微调、LoRA 与应用场景训练流程、数据与稳定性训练流程、数据与稳定性 RLHF、DPO 与偏好对齐 RL…

#专题学习#大模型微调与训练面试题大全

求职指南·求职

转大模型应用开发路线图(2026):研究生/Java 后端要学什么、多久上岸

匹配正文：…口 3 年 Java/后端工程经验能直接迁移,服务化/并发/数据处理有底被简历筛成传统后端,大模型项目说不深用后端经验包装 RAG/Agent 工程价值辞职裸学,或只堆模型名词前端/测开/数据背景对业务和用户流程敏感,转应用有切口核心工程栈可能不完整先补 Python/API/服务化最小闭环一开始就追复杂训练算法/科研背景理论理解快,微调和评估有优势工程落地经验可能薄做一个能上线的应用项目只讲论文,讲不出系统边界如果你是研究生,更推荐读研一/研二…

#求职#职业转型

求职指南·求职

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

匹配正文：…都重要,但日常问题完全不同。维度大模型算法岗大模型应用开发岗核心产出更好的模型、训练策略、评估方法可上线的大模型应用、RAG/Agent 系统、业务流程自动化日常关键词 SFT、DPO、RLHF/GRPO、数据配比、loss、benchmark API、RAG、Agent、工具调用、检索、评估、延迟、成本面试重点数学基础、论文理解、训练细节、实验设计项目深挖、系统设计、工程取舍、真题口述简历筛选硕博、论文、竞赛、模型训练经历加分明显工程经验、项目深度…

#求职#职业转型

求职指南·求职

2026 大模型岗就业市场:招聘量、城市、薪资档位、哪些公司在招

匹配正文：…看,题量最高的几个模块分别是 Agent 154 题、评估与监控 121 题、Prompt 工程 77 题、重排与优化 70 题、RAG 基础 62 题。这和应用落地趋势一致:企业不是只问“你知不知道大模型”,而是追问“你能不能让它稳定工作”。能力为什么重要对应准备 RAG 工程企业知识库、客服、文档问答最常见 RAG 智能问答系统 + RAG 基础题 Agent 工程工具调用、自动化流程、研发助手需求增加 Deep Research Agent + Agent 题…

#求职#职业转型

求职指南·求职

大模型应用开发岗一天在做什么?细分岗位画像

匹配正文：…项目证据和面试题模块是否匹配你的背景。作者:吴师兄 | 适合:看 JD 看晕、不知道自己该投哪类大模型岗位的人 | 前置:知道 RAG、Agent、微调、推理部署的基本含义先拆掉一个误区:同名岗位可能完全不同招聘软件里“大模型应用工程师”“LLM 工程师”“AI 应用开发”“大模型算法工程师”这些名字经常混着用。同一个标题,在不同公司可能对应四类工作: 做企业知识库问答,核心是 RAG。做自动化流程和工具调用,核心是 Agent。做模型服务、推理部署和成本优化,核心…

#求职#职业转型

面试题·Agent

Deep Research 报告有引用就可信吗？多个来源互相矛盾怎么办？

匹配正文：…个来源口径相反，Agent 没有解释，直接选了更符合自己结论的那一个。这说明“报告带引用”和“结论可以核验”不是一回事。普通 RAG 的引用通常围绕一次回答和几段检索证据展开。Deep Research 的报告更长，结论更多，来源横跨多个网站和时间点，还会经历多轮搜索、摘要和综合。引用链一旦在中间断掉，最终报告仍然可以写得很顺，却很难知道哪一句是事实、哪一句是推断。所以这道题真正考的是： Deep Research 怎样让每个关键结论都回到原始证据？多个来源相互矛盾时，…

#Deep Research#问题边界与研究闭环#Deep Research 引用溯源

求职指南·求职

研一/研二转大模型应用开发:三年怎么规划、来得及吗

匹配正文：…以改造成大模型应用的材料。你已有的东西可以改造成什么面试表达方式课程大作业文档问答、知识库、智能助教 “把课程资料做成 RAG,支持引用溯源和错题定位” 实验室论文阅读 Deep Research/论文调研 Agent “让 Agent 自动检索论文、提取方法、生成带引用的调研报告” 数据处理脚本 RAG 文档清洗和评估集构造 “处理 PDF/HTML/表格,做切块质量和召回评估” Web/后端项目大模型接入业务系统 “把 LLM API、权限、日志、队列和业务流…

#求职#职业转型

项目实战·Agent

第 5 章:训练数据构造,种子 → 轨迹 → 增强

匹配正文：…迹数据数据构造分两层,先有「问题」,再有「做这些问题的完整过程」: 种子数据(seed):一批高质量的调研问题。比如「中小规模 RAG 项目,向量库选 Milvus、Qdrant 还是 pgvector」。它是整个数据的源头。轨迹数据(trajectory):针对每个种子问题,一条完整的「怎么一步步做出来」的过程:Thought → Action → Observation → … → Final。这才是模型真正要学的东西。概念 2:一条「轨迹」长什么样轨迹就是把第 …

#Agent#Deep Research#项目实战

求职指南·求职

工作三年的 Java 后端转大模型:在职怎么转、什么时候跳槽

匹配正文：… HR 或薪资不理想,再调整投递策略。 Java 后端最适合的三个切口切口为什么适合 Java 后端项目怎么做企业知识库 RAG 和文档、权限、检索、服务接口强相关用业务文档做问答系统,加权限过滤、引用溯源、评估 Agent 工具调用和后端工具、内部系统、流程自动化强相关让 Agent 调用工单、搜索、数据库或代码工具,控制权限和步骤推理服务/LLMOps 和服务稳定性、并发、监控强相关做模型服务封装、队列、缓存、日志、限流、成本统计如果你没有明确偏好,先…

#求职#职业转型

求职指南·求职

没有大模型项目经验,怎么攒出能写进简历的项目

匹配正文：…达 211 金融本硕金融科研经历有,但 AI 实战为空,跨专业劣势明显做金融知识库问答和智能风控 Agent,把金融背景接到 RAG/Agent 链路上收到蚂蚁金融大模型算法岗 offer 行业背景要进入语料、业务流程和评估指标,不能只写在教育经历里 985 控制本硕原本只准备后端,项目简易,投递反馈弱改做金融场景大模型项目,补 RAG、Agent、上下文工程和面试讲法拿到金融行业双 offer 如果原赛道不顺,不要盲目换方向,先用一个项目验证新方向的匹配度这类…

#求职#职业转型

面试题·Agent

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…ent 有没有权限、信息是否还有效、来源是否可信、是不是被新版本替代，以及它对当前任务到底有多重要。用户今天问“帮我继续上次的 RAG 评测”，向量库可能召回一个月前的项目目标，也可能召回另一个项目里措辞相似的评测记录。旧目标语义很像，但当前阶段已经变化；另一个项目更像，却属于错误作用域。若系统只取相似度最高的几条，记忆越多，污染当前决策的机会反而越大。这道题要回答的是一条检索与排序链路：先识别查询意图和主体，做权限、租户、类型、状态、时间与项目范围过滤，再生成语义候选，…

#Agent#记忆与存储#Agent 记忆检索排序

求职指南·求职

大模型岗位 JD 怎么读:招聘要求逐条拆解

匹配正文：…0 个在招岗位,统计高频词,这些词就是你简历和答题该覆盖的重点,比任何攻略都准。按 JD 主方向刷题库对应模块,别平均用力——RAG 岗刷 RAG 基础和重排,Agent 岗刷 Agent 模块。提前熟悉面试流程:知道每一轮考什么才好分配准备精力,见面试流程全解。目标公司有面经的优先读:同一家公司考察风格高度稳定,读两篇比读十篇通用攻略管用。常见问题大模型 JD 的必须项到底是哪几条? 通常只有三四条:LLM 应用链路经验(调过 API、做过完整应用)、一门…

#求职#职业转型

求职指南·求职

大模型岗的总监面、行为面、HR 面与谈薪怎么应对

匹配正文：…想清楚,这两关就能稳住。作者:吴师兄 | 适合:已过技术面、准备总监面/行为面/HR 面的转行者 | 前置:了解大模型岗完整面试流程非技术轮到底在考什么一句话:技术面判断"你会不会做",非技术轮判断"要不要我们招你、招进来会不会出问题"。总监面看方向判断和落地能力,行为面看协作和稳定性,HR 面看动机、预期和薪资。三轮共用一套底层判断:这个人是想清楚了才转,还是被行情推着跑;进来能不能扛事、留得住。转行者的天然弱点是"资历新",所以这几轮不是比谁答得漂亮,而是比谁的叙…

#求职#职业转型

面试题·项目与经历· 美团

Agent 商业落地评估框架

匹配正文：…分离四、美团场景的具体契合美团的技术栈（Java/Go为主、微服务架构、CRUD占比高）特别适合代码生成：业务代码模式化强，RAG加持下可结合内部框架生成内部已有代码规范、Review流程，天然的人机协作闭环结论：代码生成是"技术可行、成本可控、市场愿付"三者的最优交集，其他能力还需1-2年基础设施成熟。

#Agent#代码生成#商业落地

面试题·项目与经历· 360

扫描PDF怎么解析内容?

匹配追问：如何处理复杂表格和跨页表格的识别与还原如果OCR结果存在大量噪声，如何在RAG检索阶段保证召回质量多模态大模型（如Qwen-VL、GPT-4V）与传统OCR方案如何取舍或结合场景切入假设我们公司最近在做合同审核的自动化，用户上传的扫描件PDF纯图像，没有任何文字层。你作为技术负责人，会怎么设计流程把这些PDF里的内容解析出来？层层追问你平时处理过PDF文档吗？……如果是扫描件那种图像PDF呢？……那从图像里提取文字你会用什么技术？……提取完文字之后，怎么知道哪些是…

#文档智能#OCR#版面分析

面试题·多模态· 京东

VLM 基本原理怎么理解?

匹配正文：…grounding，不同目标解决的问题不同。对GPT-4V等未公开完整架构的产品，只描述官方披露能力，不推断内部连接。 Self-RAG针对文本检索、生成和反思流程，不是验证图像中某实体真实存在的视觉检测器。视觉事实应由区域grounding、目标检测、OCR、坐标或可回看的图像证据支持。评测需拆分感知、grounding、推理和语言先验偏差。

#视觉语言模型#多模态对齐#CLIP

面试题·Agent· 阿里

主流 LLM 应用产品怎么选?

匹配追问：场景切入假设我们团队想做一个面向电商客服的智能助手，需要既能实时联网查商品信息，又能帮用户完成退换货流程。你觉得市面上哪款产品做得比较好？拿一款具体分析一下，它背后是偏RAG还是偏Agent的架构？层层追问你平时用大模型产品多吗？比如通义千问或者星火？……你觉得它们各自的亮点在哪里？……那从技术上看，它们是怎么实现这些能力的？比如怎么保证回答准确，怎么处理复杂任务？直球架构选一到两个主流的大模型应用产品，比如通义千问或讯飞星火，从技术架构、应用场景、用户体验优势和不…

#阿里#科大讯飞#Agent

面试题·Agent· 字节

Agent 技术演进与挑战?

匹配正文：…：垂直场景的深度封装，如"一键生成周报"类确定性工作流中期（3-5年）：人机协作模式成熟，Agent作为"数字员工"承担完整业务流程关键突破点：评估体系的建立——需要类似"Agent Benchmark"的标准化测试，量化规划成功率、工具使用准确率、成本效率等指标。字节的优势在于拥有丰富的产品矩阵（飞书、抖音、剪映），Agent可以打通内部数据孤岛，形成差异化竞争力。学习建议建议掌握Agent基本架构与工作原理，关注LLM+RAG+Agent的协同模式，多阅读行业案…

#字节#Agent#Agent 发展趋势