匹配追问：…“我要退货”，你同时有两个候选分布：一个是从历史对话统计的意图分布P，另一个是当前模型预测的分布Q。如果这两个分布差异很大，你怎么量化？具体用KL散度的话，你觉得重点是惩罚Q在哪些地方犯错？层层追问两个概率分布之间的差异你怎么衡量？……那为什么不用欧氏距离？……如果P是真实分布，Q是近似分布，KL散度非对称性在实际中会有什么影响？比如变分推断里为什么用反向KL而不是正向？直球架构请直接讲KL散度的本质定义和非对称性，然后分别说明在变分推断、知识蒸馏和RLHF/PPO中…

#KL散度#信息论#变分推断

面试题·项目与经历· 美团

面试反问环节怎么准备?

匹配口述回答：…大模型在智能客服或推荐解释场景里，最大的技术瓶颈我觉得不是推理成本，而是效果稳定性。推理成本可以通过[[KV Cache]]、模型量化来压，但效果波动，比如同一个问题今天答对明天答错，对用户体验伤害很大。所以我会更关注线上[[RAGAS]]指标和bad case追踪，确保每个版本上线前有足够的回归测试。团队协作方面，我想了解算法和工程的协作模式。比如模型上线后的A/B实验和监控体系怎么设计？是算法团队自己写服务，还是交给工程团队封装？我最怕的是模型效果在离线指标上很好看，但…

#面试技巧#职业规划#团队文化

面试题·模型训练· 字节

CPT 后灾难性遗忘怎么防?

匹配追问：CPT与SFT在遗忘问题上有何本质区别有哪些缓解灾难性遗忘的具体技术方案如何设计实验来量化评估遗忘程度场景切入假设我们刚用医疗数据对模型做了一轮CPT，上线后发现它突然“不会说人话了”，比如问它“帮我查一下订单状态”，它回了一堆医学术语。你觉得这是怎么回事？层层追问 CPT之后模型通用能力下降，你觉得可能是什么原因？……那数据分布差异具体会怎么影响？……如果现在要你评估风险，你会从哪些方面去考虑？直球架构请分析连续预训练后模型出现灾难性遗忘的成因，以及在实际应用…

← 上一页第 11 / 13 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

#连续预训练#灾难性遗忘#知识保留

面试题·多模态· 小红书

Stable Diffusion 各版本怎么选?

匹配口述回答：…像失败、安全和用户偏好。部署比较则记录权重精度、峰值显存、冷启动、单图延迟、吞吐与能耗。某张显卡能否运行还取决于 offload、量化、attention 实现和 batch，不能把一个测试环境写成全系列固定门槛。【验证补充】版本对比还要锁定许可证与安全过滤。不同权重即使名字相近，也可能使用不同文本编码器、VAE、噪声目标和默认调度器。迁移应用时先读取对应模型卡，再做相同提示和人工盲评，不能把社区衍生权重的表现归给官方基础模型。按模型族和 checkpoint 区分版本 …

#扩散模型#文生图#UNet架构

面试题·Agent· 美团

Agent 强化学习怎么训练?

匹配口述回答：…。对话更关注连贯性、信息准确、用户满意度这些偏主观的指标，而Agent场景更硬核，要的是任务完成率、工具调用正确性、执行效率这种可量化的东西。所以落地时不能一套方案打天下，我通常会根据业务场景做混合设计。具体说一下奖励模型的设计，这是最关键的一步。对话场景里，奖励可以来自流畅度、事实性、还有用户反馈，比如点赞或者直接打分。但Agent场景就不一样了，我会把奖励拆成三块：结果正确性占大头，大概50%，过程合规占30%，效率占20%。为什么过程合规这么重要？因为Agent经常要…

#美团#Agent#Agent 强化学习

面试题·Agent· 蚂蚁

多轮对话上下文状态管理机制

匹配口述回答：…与生成版本，方便失效和回查。保留期、TTL、归档、删除与加密由业务和合规决定，不能固定成三十分钟、两小时，也不默认把所有摘要永久向量化。组装 prompt 时先为系统指令、工具 Schema 和输出预留预算，再依次放入安全约束、当前任务状态、未完成工具结果、用户确认事实、最近对话和历史摘要。超预算时先移除低相关原文，再压缩较早内容；金额、权限、订单状态等关键字段要回查权威数据，不能只相信摘要。分布式更新使用版本号和 CAS，冲突时重新读取合并，或按 session 建队列…

#蚂蚁#Agent#多轮对话上下文管理

面试题·Agent· 高德

Agent记忆分层：摘要与检索协同

匹配口述回答：…用户画像、偏好这些结构化数据我会丢到SQL或图数据库里。检索策略是混合召回。工作记忆直接读最近N轮；短期记忆做语义匹配，把摘要向量化取Top-K；长期记忆多路召回，结合向量相似度、时间衰减和关键词过滤。这里有个技巧：检索时把当前query和近期摘要拼接起来作为查询向量，能显著提升相关性。更新和刷新机制分几种情况。被动压缩就是工作记忆满时，最旧的内容生成摘要下沉。主动摘要在检测到任务完成或话题切换时立即做，生成章节摘要。短期记忆我设TTL比如7天，但高重要性事件比如用户投诉…

#高德#Agent#Agent 记忆管理

面试题·Agent· 阿里

LangChain vs LlamaIndex 在 RAG 中怎么选?

匹配口述回答：…业务场景：企业智能客服，两者协作的完整链条落地风险：检索质量、模型幻觉、系统复杂度工程师判断收尾：我更倾向以检索为中心，编排轻量化约4分钟多Agent协作的通信和冲突问题还没有成熟方案，用LangGraph定义状态机可以协调，但复杂度高。面试官可能会追问多Agent协作的设计模式、通信协议、或者状态机怎么实现。

#阿里云#Agent#Agent 框架对比

面试题·Agent· 淘天

Agent 推理链路延迟优化策略

匹配口述回答：…靠预置实例。这里其实有个更深的点：缓存和并行只能解决一部分问题，如果LLM生成本身慢，那还得从模型层面优化，比如用更小的模型或者量化。我一般上线前会先埋点，定位到底是LLM生成慢、工具调用慢还是网络传输慢，再针对性优化。所以我的整体判断是：对于高频请求的Agent，我会先做依赖分析和延迟埋点，然后并行化独立的工具，对重复请求做多级缓存，再配合优先级调度和资源隔离。如果只让我选一个最优先的，我倾向先做缓存，因为性价比最高。一句话定位：本质是平衡延迟与成本边界划分：并行适…

#淘天#Agent#Agent 性能优化

面试题·Agent· 阿里

多 Agent 调度策略总览

匹配口述回答：…，我倾向去中心化或混合式。如果实时性要求高，我会用预分配加局部协商，因为拍卖的通信延迟扛不住。还有个前提：Agent的能力必须是可量化的，否则合同网里的报价就变成瞎报，分配质量会崩。所以上线前我会先跑仿真，用历史数据回放，对比不同策略的吞吐量和平均响应时间，确保不会出现任务饿死或资源死锁。总之，多智能体调度没有银弹，我会把混合式看成默认选项，然后根据业务特点在中心化和去中心化之间做微调。一句话定位：多智能体调度本质是任务与资源的匹配问题中心化 vs 去中心化 vs 混合…

#阿里云#Agent#多 Agent 调度策略总览

面试题·Agent· 阿里

多 Agent 协作一致性

匹配口述回答：…：超时熔断加工程师判断约4分钟 Agent使用LLM时输出随机，会绕过硬一致性机制，一致性只能概率性逼近。面试官可能会追问如何量化或降低LLM输出的随机性对一致性的影响。

#阿里云#Agent#多 Agent 协作一致性

面试题·Agent· 阿里

Workflow 编排复杂任务优劣？

匹配口述回答：…提约4分钟工作流和自主推理的切换阈值如何确定，跟业务复杂度和容错率有关面试官可能会追问：具体怎么判断哪些流程适合固化？有没有量化指标？或者怎么设计这个切换逻辑？

#阿里云#Agent#Agent 工具调用

面试题·Agent· 淘天

Agent 开发框架对比

匹配口述回答：…问题：Agent之间的消息格式和上下文一致性。比如MetaGPT里，PM输出需求文档，架构师读的时候可能理解偏差，这种协调成本怎么量化？我觉得比单Agent难一个量级，这也是我目前更关注的方向。所以回到选型，我会把框架看成工具，不是信仰。简单场景原生最稳，复杂场景先看能不能拆成标准SOP，能就用MetaGPT，不能就自研状态机加LangGraph做编排。上线前我一定关注两个点：一是Token消耗，二是异常恢复。很多Agent框架跑着跑着就死循环了，没有熔断机制的话，线上会出…

#淘天#Agent#Agent 开发框架对比

面试题·Agent

Agent 项目经历完整复盘

匹配追问：……最后效果怎么样，有数据吗？直球架构直接来，介绍一个你主导的AI Agent项目。说清楚项目背景、技术方案选型、你的具体贡献和量化成果，特别是怎么解决工具调用和幻觉问题的。

#Agent 项目复盘#任务成功率#Agent 项目经历完整复盘

面试题·文档处理· 字节

RAG 数据处理与索引流程?

匹配追问：…流程应该怎么设计？关键步骤有哪些？层层追问 RAG系统的知识库，文档进来后你会做哪些处理？……那分块怎么分？……分完块之后怎么向量化？……最后怎么建索引让检索又快又准？每个环节有什么坑？直球架构请完整描述RAG系统中从原始文档到可检索知识库的数据处理与索引流程，包括文档加载、清洗、分块、Embedding生成和向量索引构建，并说明各步骤的技术要点和对系统性能的影响。

#字节#文档处理#向量检索

面试题·文档处理· 美团

RAG知识库构建流程详解

匹配口述回答：…块]]特别重要。清洗的时候要小心，页眉页脚、页码这些噪声必须去掉，但别把关键信息也误删了。说白了，预处理的目标是让后续分块和[[向量化]]拿到干净的输入。接下来是文本分块，这是RAG里最关键的工程决策之一。固定长度切分与重叠窗口可以作为候选，但不能直接当成默认答案。我会比较多组 chunk size，以及无重叠、短重叠和较长重叠，在同一评测集验证边界召回、答案质量、索引体积和延迟。但固定长度对结构化文档比如合同或者论文就不够用了，这时候得用结构感知分块，按章节、条款边界来切…

#美团#RAG 知识库构建#文档预处理

面试题·评估· 美团

Agent 训练 vs RAG 怎么选?

匹配口述回答：…建的逼真度容易被忽视，不光是mock API，还要模拟用户意图漂移和网络延迟，否则上线后性能会断崖式下跌。面试官可能会追问：如何量化和验证仿真环境的逼真度？或者：网络延迟这类噪声如何建模？

#美团#Agent#Agent 训练流程

面试题·评估· 字节

RAG 召回评估指标对比

匹配追问：…看你做过知识库问答。假设用户问了一个产品问题，你召回了几段文档，但答案在第三段才出现，你觉得这个召回结果算不算好？你会用什么指标来量化这个‘好’？层层追问 RAG系统里召回结果怎么评估？……你一般用什么指标？……那如果正确答案排在很后面，只靠Recall够不够？……你觉得MRR和Recall分别侧重什么？直球架构评估RAG召回阶段，你选哪些关键指标？比如Recall@k、MRR、NDCG，它们分别影响系统什么性能？你怎么根据业务场景取舍？

#抖音#Recall@k#RAG 召回评估

面试题·评估· 快手

LangChain 链式调用原理

匹配口述回答：…，比如从ChatOpenAI换成HuggingFacePipeline，代码主体不用动。再一个是检索层，它把文档加载、切分、[[向量化]]、存储这一套串起来，[[RAG]] 场景下最常用。然后是链，它定义了一个固定流程，比如先查知识库再问模型，或者先总结再翻译。[[Agent]]层更灵活，它会根据用户输入动态决定调哪个工具，执行完再观察结果，循环直到给出答案。内存层管理对话历史，回调层负责日志和追踪。链式调用的核心是Runnable协议，所有组件都实现了invoke、bat…

#快手#评估与监控#Agent

面试题·评估· 商汤科技

AI Agent 核心理解与未来趋势

匹配口述回答：…界界定，我倾向务实派约4分钟 Agent落地的核心瓶颈是边界界定，不是技术架构。面试官可能追问：你具体怎么定义这个边界？有没有量化的标准？或者举一个边界模糊导致失败的案例。

#商汤科技#评估与监控#AI Agent 理解

面试题·评估· 蚂蚁

RAG 检索与生成评估

匹配追问：…方面说说你会看哪些指标。层层追问 RAG系统上线后，怎么判断它表现怎么样？……光看用户反馈够吗？……那检索部分有没有什么指标可以量化？……生成部分呢，答案是不是准确、有没有幻觉，这些怎么评估？直球架构评估一个RAG系统，从检索质量和生成质量两个维度，你分别会用哪些指标？具体怎么计算或获取这些指标？有没有一些现成的评估框架可以用？

#蚂蚁#评估与监控#RAG 检索与生成评估

面试题·评估· 虾皮

大模型怎么用于搜索检索?

匹配口述回答：…型只处理高价值复杂 query。三是数据实时性，比如促销信息，必须能增量更新索引，不能每次全量重建。另外，我特别关注检索质量怎么量化。光靠 Recall 不够，我会用 [[RAGAS]] 框架里的忠实度和答案相关性指标，再结合用户点击反馈做线上评估。如果面试官有兴趣，我们可以聊聊怎么在离线阶段模拟线上分布，避免评估偏差。所以我对大模型在搜索里的定位是：它不是替代传统搜索，而是补充传统搜索做不到的语义理解和多跳推理。我更倾向先做好查询路由和混合检索，再逐步引入生成，这样风险…

#虾皮#大模型搜索检索#搜索检索技术方案

面试题·评估· 小鹏

RAG 失败场景诊断

匹配口述回答：这道题其实问的是，怎么把一个[[RAG]]系统的效果真正量化出来，而不是凭感觉说好不好。我的思路是把它拆成两层来看，检索层和生成层，因为这两步出错的模式完全不同，评估方法也得分开。先说检索层，核心就是看召回准不准，最关键的指标是 Recall@K。举个例子，客服系统里用户查退款政策，如果正确答案在Top 3检索结果里，就算召回成功。Recall@K直接决定了后面生成的上限，如果没召回，后面做得再好也没用。其他像Precision@K、MRR这些，更多是调优排序质量时用的，但…

#小鹏#评估与监控#RAG 失败场景诊断

面试题·评估· 淘天

RAG 评估：检索、生成与端到端指标

匹配追问：…、生成的内容有没有瞎编？具体用什么指标来衡量？层层追问 RAG效果好不好，你一般怎么评估？……光看生成回答够吗？……检索部分怎么量化？有没有一个统一的框架把检索和生成都管起来？直球架构请设计RAG系统的评估方案，分检索和生成两个层面，列出具体指标，再给一个端到端的自动化评估框架。实际项目中你会怎么平衡自动评估和人工抽检？

#淘天#评估与监控#RAG 线上效果评估