匹配口述回答：…定期清理。上线前我会特别关注召回质量，用一组测试query跑一遍，看Recall@K和延迟，不达标就调[[Chunk]]大小或[[重排序]]策略。另外，Agent的决策稳定性是个大问题。有时候同一个问题，Agent两次走的路径不一样，导致答案不一致。我倾向于用 [[Self-RAG]] 让模型自己学会反思，或者加一个[[验证链]]，对Agent的输出做二次校验。所以，LangChain我更倾向看成快速验证想法的工具，而不是生产级框架。真正上线，我会基于它的设计思想，做定制…

#快手#评估与监控#Agent

面试题·评估· 京东

RAG 缓解哪类幻觉?

匹配口述回答：…节，我会做**[[混合检索]]**，把[[BM25]]关键词和向量检索结合起来，避免因为语义偏差漏掉关键文档。生成环节，我会加[[Rerank]]和[[Self-Refine]]，先让模型基于检索内容生成，再自己检查一遍有没有偏离。还有一个值得关注的点是，如果知识库频繁更新，比如每天都有新政策，那RAG的维护成本会很高。我最近在看[[GraphRAG]]，它对这种多实体、多关系的场景，检索质量比纯向量检索更稳定，但工程复杂度也上去了。总结一下，RAG解决的是事实性幻觉，前…

#京东#知识型幻觉#RAG 幻觉

面试题·评估· 淘天

RAG 核心指标优先级

匹配口述回答：…比Recall和Faithfulness的分数，同时监控延迟的P99。如果召回率低于百分之九十，我宁可牺牲一点延迟，也要加一轮[[重排]]来提高精度。说到评估，其实有个延伸点：你评估体系搭好了，数据怎么反哺到系统里形成闭环？比如你发现Faithfulness分数低的case，能不能自动标记出来，用来做后续的模型微调或者检索策略优化？这个数据飞轮转不转得起来，往往决定了系统能不能持续变好。所以整体上，我更愿意把评估看成一套组合拳：检索端抓Recall，生成端抓Faithfu…

← 上一页第 14 / 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

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

#淘天#评估与监控#RAG 核心指标优先级

面试题·评估· 百度

RAG 架构怎么工作?

匹配口述回答：…的时候，我会做几个工程取舍。先说[[混合检索]]，不只用向量，还结合[[BM25]]这类关键词匹配，让两种方法互补。再一个是加[[重排]]，召回Top-K之后用更精细的模型比如[[Cross-Encoder]]重新打分，把真正相关的顶上来。还有就是置信度过滤，分太低的直接扔掉，宁可少给信息也别给错的。还有一个常被问到的问题是RAG和微调的边界。我的看法是，RAG适合知识更新快、需要溯源的场景，比如客服的退款政策、企业SOP；微调适合让模型学会特定风格或推理模式，比如医疗诊断…

#百度#评估与监控#RAG 架构

面试题·评估· 安克科技

RAG 问答金标构建

匹配口述回答：…我一般会从三个层面来构建评估集：开发集、测试集和对抗集。开发集大概500到1000条，用来迭代调优，比如调 chunk 大小或者 rerank 阈值；测试集1000到3000条，做最终对比评测；对抗集200到500条，专门挑高难度、容易翻车的场景，比如需要多跳推理或者要回答“不存在”。三层分开，避免调参时过拟合到测试数据上。先说问题怎么来。我倾向于混合策略，大概70%用 LLM 生成，20%从真实用户日志里挖，10%人工设计对抗样本。LLM生成效率高，但容易有[[幻觉]]，…

#安克科技#评估与监控#RAG 问答金标构建

面试题·评估· 安克科技

Agent/RAG 评估集构建

匹配口述回答：…想，就是负样本的难度怎么控制。如果负样本太难，模型全错，区分度也差；太简单，模型全对，也没意义。所以这里有个平衡点，可能需要用[[Rerank]]模型的打分做阈值，或者用[[Self-RAG]]让模型自己反思，但具体怎么调还没完全想透。所以我整体会把评估数据集看成一套持续演化的测试工程，而不是一次性造完就完事。我更倾向用少量高质量样本加上动态补充策略，而不是堆大量低质量数据。一句话定位：评估数据集本质是设计一场对系统的压力测试区分RAG和Agent评估目标，数据采集要多…

#安克科技#评估与监控#Agent/RAG 评估集构建

面试题·评估· 美团

Agent 功能模块怎么分工?

匹配口述回答：…息做决策，反而加剧幻觉。所以前提是检索系统本身要可靠，比如用 [[Hybrid Search]] 结合关键词和向量，再加一层 [[Rerank]] 过滤低分结果。再说 Coding。这个模块赋予了 Agent 动手能力，把自然语言需求转成可执行代码。输入是任务描述和上下文，输出是代码片段和执行结果。比如用户说“帮我分析一下这个 CSV 文件，找出销售额最高的月份”，Agent 就可以生成 Python 脚本，运行后得到结果。但这里有个常见失败场景：生成的代码有 bug，或者…

#美团#评估与监控#Agent

面试题·模型微调· 美团

RAG vs SFT 场景怎么选?

匹配口述回答：…回率很低。我的做法是，上线前一定要做[[Hybrid Search]]，把[[BM25]]关键词检索和向量检索结合起来，再配合[[Rerank]]，把最相关的片段顶到前面。另外说一个我特别关注的点：当知识库频繁更新时，[[Vector Database]]的增量索引和一致性怎么保证？比如客服知识库每天有几百条修改，你不能每次重建索引，但增量插入又可能让检索精度下降。我倾向于用双索引策略，一个base索引定期全量重建，一个delta索引处理实时增量，查询时合并结果，再按时间戳…

#美团#模型微调#RAG vs SFT

面试题·模型微调· 百度

Embedding 模型选型考虑哪些因素?

匹配口述回答：…，算MRR和Recall@K。上线前还会做AB测试，看端到端效果有没有提升。还有一个容易被忽略的点：embedding模型和[[Rerank]]模型怎么配合。很多人以为embedding效果好就万事大吉，其实embedding做初筛，[[Cross-Encoder]]做精排，两者结合才能达到生产级精度。这个配合的阈值怎么设、延迟怎么优化，是另一个值得深挖的问题。所以我的选型逻辑是：先定场景，再卡资源，然后选一个基线模型快速试错，最后用业务指标验证。如果效果不够，优先考虑领…

#百度#向量检索#Embedding 模型选型

面试题·模型微调· 百度

大模型准确性瓶颈在哪?

匹配口述回答：…致。这里有个前提：检索质量要足够高，如果检索到的信息本身就是错的，那 RAG 反而放大错误。常见失败场景是检索召回率不够，或者[[重排]]没把最相关的排在前面。所以落地时，我会把方案组合起来用。稳定知识内化到模型，高频变动知识走 RAG，推理过程用 CoT 显式化，最终输出加校验层。没有银弹，不同场景侧重不同。比如金融风控合同场景，对事实准确性要求极高，我会更依赖多源验证和校验机制；而创意写作场景，推理连贯性更重要，CoT 和架构优化就更关键。其实还有一个方向值得关注，就…

#百度#评估与监控#大模型准确性提升

面试题·模型微调· 商汤科技

RAG 基本工作流程是什么?

匹配口述回答：…ss]] 和 [[Context Recall]]。如果发现召回不准，可能要调切块大小、换 Embedding 模型，或者加 [[Rerank]] 层。最后说我的判断：我会把 RAG 看成大模型落地的标配能力，而不是锦上添花。因为只要业务需要事实性，RAG 就是最稳的路径。但前提是你得把知识库当工程做，分块策略、检索策略、过滤策略，每一环都可能翻车。本质是开卷考试，解决知识截止和幻觉离线建库：分块、向量化、存库在线检索：混合检索策略生成：Prompt拼接与置信度过滤…

#商汤科技#RAG 工作流#RAG 工作流程

面试题·RAG

RAG 和微调怎么选？

匹配口述回答：…RAG更可控。当然，RAG也不是万无一失。比如检索质量如果不行，召回的都是无关文档，那模型再强也答不对。所以上线我会特别关注[[Rerank]]这一步，确保Top5文档确实能回答问题。所以整体上我更倾向：九成以上的业务知识需求，先用RAG快速验证效果，不够再考虑微调。如果必须微调，也会优先用[[LoRA]]这类低成本方法，降低迭代开销。面试官问RAG还是微调，本质是问怎么给模型补知识先说边界：RAG管事实，微调管表达然后从时效性、成本、幻觉三个角度展开最后给出组合…

#入门#基础概念#RAG和微调的区别

面试题·检索

什么是 Embedding 向量嵌入？

匹配口述回答：…和多义词。比如“苹果”既可以是水果也可以是品牌，单纯靠 Embedding 可能会混淆。这时候就需要结合上下文做消歧，或者用 [[Rerank]] 模型做二次筛选。一句话定位：Embedding 解决的是从文字到语义可计算的问题核心原理：向量空间里距离近就是意思近，这是语义搜索能跑通的前提业务例子：客服退款场景，关键词搜不到但语义能匹配落地前提：模型要选对、向量库要配好，否则效果会崩约2分钟 Embedding 对同义词和多义词的处理仍有局限，需要结合上下文消歧或二…

#入门#基础概念#Embedding是什么

面试题·检索

向量数据库和普通数据库有什么区别?

匹配口述回答：…确信息就容易翻车。所以真正落地我不会只用向量检索，而是做 [[Hybrid Search]]，把向量和关键词结合起来，再配合 [[Rerank]]，这样精确匹配和语义匹配都能覆盖。不过要注意，ANN 索引在数据频繁更新时表现会变差，因为图结构或聚类中心需要重建。我会特别关注写入延迟和索引重建策略，如果业务对实时性要求高，可能得用 delta 加 base 双索引的方案，查询时合并结果，这样新增数据能准实时生效，同时保证检索质量。所以我的看法是，向量数据库不是要替代传统数据…

#入门#基础概念#向量数据库

面试题·知识图谱· 海尔

数据/架构/推理/工具怎么选?

匹配口述回答：…景，比如电商大促期间满减政策天天变。但 RAG 也不是万能药，检索质量差的话，上下文喂错了反而放大幻觉。所以落地时我通常会配合[[重排]]，用[[Cross-Encoder]]把检索结果再精排一遍，把不相关的滤掉。推理策略层面，这里有个简单但有效的方法叫[[Self-Consistency]]。就是让模型对同一个问题生成多条回答，比如温度设0.7跑五次，然后看哪些答案互相一致，不一致的说明可能有问题。还有一个更高级的变体叫[[Chain-of-Verification]]，…

#海尔#幻觉治理#大模型幻觉缓解

面试题·Prompt· 百度

Prompt 优化策略有哪些?

匹配口述回答：…稳定性，但成本高且可能淹掉正确结果面试官可能会追问Self-Consistency的具体实现、投票策略，或者对比其他降噪方法（如重排）

#百度#Prompt工程#Prompt 优化

面试题·RAG· 百度

对话模型准确性怎么提?

匹配口述回答：…织答案。ReAct等循环可以把推理与工具调用串起来，但必须处理超时、错误返回和多轮累积误差。知识库侧可以比较关键词与向量混合检索、重排和更新策略，记录每个模块对最终质量的实际贡献。我的实施顺序是先固定任务、评测集和预算，建立基线，再分模块比较事实正确率、引用支持率、延迟和成本。架构与训练的投入较高，RAG和Agent更方便按模块迭代，但也增加链路复杂度。选择要由测量结果决定，并持续跟踪失败样本。先明确目标：在固定任务与评测集上比较事实正确率、引用支持率、延迟和成本架构与…

#百度#对话模型准确性#模型架构优化

面试题·RAG· 字节

高精度RAG系统设计陷阱

匹配口述回答：…纯向量能理解语义但容易召回无关内容。所以我会**[[Hybrid Search]]**，把关键词和向量两条路结合起来，再加一层[[重排]]，把高置信度的结果顶上去。具体到业务，拿医疗场景举例。假设做一个辅助诊断的问答助手，知识库里得有临床指南、药品说明书、最新专家共识，还得按效力层级排：国家指南优先于地方共识，最新版本优先于旧版。检索时用户说“心梗”，你得自动扩成“心肌梗死”“急性冠脉综合征”，这是查询改写。召回后不是一股脑全塞给模型，得按相关性和时效性排序，控制token…

#字节#高精度RAG#高精度 RAG

面试题·RAG· 字节

医疗 RAG 索引如何保合规?

匹配口述回答：…。第三级是[[知识图谱]]，用来做关联推理，比如查某个药的禁忌症，或者某个判例的引用链。三级索引一起上，检索时先并行召回，再用[[Rerank]]做融合排序。合规性保障是另一个大头。每个回答都必须强制溯源，附带原文片段、文档版本和页码，让用户能点回去核实。权限控制也要做，不同角色看到的内容可以不同，比如医生能看到完整临床指南，患者只能看到摘要。审计闭环必须完整，用户查询、检索片段、生成结果全链路日志留存，方便事后追溯。最后加个边界提示，明确说这是辅助参考，不构成专业建议。 …

#字节#医疗RAG合规#RAG 数据处理流程

面试题·RAG· 小红书

新用户冷启动：生成式推荐与Embedding

匹配口述回答：…的混合架构。生成式负责快速拉出候选集，但它的排序不够精准，所以后面接一个[[Bi-Encoder]]或者轻量的排序模型，把候选[[重排]]一下。这个架构的优点是冷启动阶段效果好，但代价是多了生成这一步，延迟会高。如果对实时性要求特别高，比如首页推荐必须在50毫秒内返回，那生成式召回可能撑不住，得换成更轻量的策略，比如直接基于画像的向量检索。我最近在思考一个问题：生成式推荐在冷启动阶段表现不错，但用户行为积累多了以后，怎么平滑过渡到传统协同过滤？直接切换会不会导致推荐结果断层…

#小红书#新用户冷启动#生成式推荐

面试题·RAG· OPPO

多信号评分函数原理与陷阱

匹配口述回答：…数时，我先把“要预测什么”和“必须满足什么”分开。相关性、点击、转化或满意度可以进入模型目标；库存、合规、去重和频控通常是硬约束或重排规则。接着检查信号。BM25、余弦相似度、质量分和热度计数的尺度不同，不能直接相加。线性基线可以在校准或标准化后组合；有排序标签时可用 LambdaMART 等学习排序模型；高维交互足够强且收益能覆盖成本时再考虑深度模型。数据规模本身并不能推出必须使用某种模型。点击日志还带有曝光和位置偏差。排在前面的内容更容易被点击，若直接训练，模型可能强…

#OPPO#多信号排序#评分函数设计

面试题·RAG· 淘天

现代 RAG 架构怎么变?

匹配口述回答：…场景，比如客服、金融分析。真正落地时，我倾向把两者结合起来，比如用[[混合检索]]，关键词召回保底，向量召回提高精度，再用一个[[重排]]模型把结果精排一下。不过说到联合训练，我其实更关心一个细节：检索器更新的频率。如果知识库每天都在变，检索器的编码器要不要跟着微调？如果不调，新文档的向量和旧文档的向量可能不在一个空间里；如果调，又可能破坏已有文档的表示。这块目前还没有特别成熟的方案，我觉得是个值得深挖的方向。一句话定位：从拼接式RAG到融合式RAG 架构演进：检索器与生…

#淘天#RAG端到端训练#现代 RAG 架构

面试题·检索· 美团

BM25 公式与 TF-IDF 对比

匹配口述回答：…所以我会把BM25看作关键词检索的一个成熟基线，尤其在冷启动或者小样本场景下比纯向量检索靠谱。但真要上线，我更倾向混合检索加 [[Rerank]]，先用BM25和向量召回来个粗排，再用 [[Cross-Encoder]] 精排，这样精度和召回都能兼顾。一句话定位：BM25解决词频和长度问题公式拆解：饱和函数和长度归一化对比TF-IDF的改进点业务场景：客服退款文档检索落地风险与混合检索可延伸点：b参数对短文档的影响约4分钟 b参数对短文档友好度的影响及调优方法 …

#美团#BM25词频饱和#BM25 公式与 TF-IDF 对比

面试题·检索· 美团

BM25 参数 k1/b 调优

匹配口述回答：…是，BM25 在关键词精确匹配的场景下是很好的兜底方案，但不要神化它。我更倾向把它看作混合检索里的一路，和向量检索配合，再用 [[Rerank]] 做最终排序。这样既保证精确词的命中率，又兼顾语义泛化能力。点题：本质在问词频饱和与文档长度归一化 BM25公式核心：IDF、词频饱和项、长度归一化与TF-IDF对比：线性vs饱和、长度处理、参数灵活性业务场景举例：客服退款政策检索落地风险与混合检索策略给出可延伸点：参数调优经验约4分钟 BM25 的 k1 和 b 参数…

#美团#BM25长度归一化#BM25 参数 k1/b 调优