匹配正文：…个人业绩。回答框架任务：真实输入输出、风险、失败类型和评价指标。技巧：说明实际采用角色/边界、上下文分隔、Few-shot、检索增强、工具 schema、结构化输出或结果校验中的哪些。机制：解释每项技巧针对哪个可观察错误，而不是罗列名词。实验：固定模型、数据与解码参数，对 Prompt 版本做消融和切片。生产：版本管理、监控、提示注入防护、回滚和成本约束。事实填空在【真实任务】中，基线 Prompt 为【】，常见错误为【】。我负责【】，采用【真实技巧】解决【对…

#华为#Prompt工程#Prompt Engineering 技巧

面试题·RAG· 蚂蚁

增量式向量索引怎么更新?

匹配标题与标签：增量式向量索引怎么更新? 知识库频繁更新场景下实时/准实时更新机制设计,保证检索质量 RAG 蚂蚁增量式向量索引向量索引更新实时更新知识库频繁更新检索质量蚂蚁

#蚂蚁#增量式向量索引#向量索引更新

面试题·RAG· 百度

对话模型准确性怎么提?

匹配正文：…提出具体技术方案每个维度至少给出2个可落地的技术点能区分不同技术的适用场景和 trade-off 体现对前沿技术（如Self-RAG、Toolformer等）的了解回答有层次感，不是简单罗列一、模型架构层面知识增强架构检索增强生成（RAG）：把外部检索到的资料作为生成上下文，检索器与生成器可以独立更新；不要求生成模型采用编码器—解码器架构。 Self-RAG：引入反思token（Retrieve/IsRel/IsSup/IsUse），让模型自主决定何时检索、如何使…

← 上一页第 14 / 24 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

#百度#对话模型准确性#模型架构优化

面试题·RAG· 美团

分布漂移下外接数据库怎么增强模型?

匹配正文：…应对延迟与效果权衡问题：向量检索+LLM生成链路过长（>500ms）解法：检索结果缓存（LRU+语义去重）；预计算热门查询的RAG结果；异步预填充一致性保障向量库与实时库的数据对齐：统一事件时间戳，检索时带valid_time过滤模型幻觉vs知识冲突：显式标注知识来源，冲突时优先级排序（实时库 > 向量库 > 模型参数）效果评估闭环离线：分布漂移前后的KL散度变化、检索命中率在线：A/B测试——对照组（冻结知识库）vs实验组（动态更新），核心看分布外样本的指…

#美团#分布漂移#外接数据库增强

面试题·RAG· 哔哩哔哩

多目标优化权重怎么定?

匹配标题与标签：多目标优化权重怎么定? 广告系统CTR/CVR权重分配策略,常用方法优缺点对比 RAG 哔哩哔哩多目标优化多目标优化权重分配 CTR CVR权重广告系统多目标哔哩哔哩

#哔哩哔哩#多目标优化#多目标优化权重分配

面试题·RAG· vivo

地图避障方法有哪些局限?

匹配标题与标签：地图避障方法有哪些局限? 环境动态性、建图精度、实时性、计算开销四维度分析 RAG vivo 机器人导航避障地图避障局限环境动态性避障 vivo

#vivo#机器人导航避障#地图避障局限

面试题·RAG· 阿里

LangChain vs LlamaIndex 架构差异？

匹配正文：核心定位差异维度 LangChain LlamaIndex 设计目标通用LLM应用编排框架数据驱动的检索增强框架核心抽象 Chain（链式调用）、Agent（自主决策） Index（索引结构）、Retriever（检索器）、QueryEngine（查询引擎）优势领域复杂工作流编排、多工具Agent 大规模文档索引、结构化检索关键功能对比 LangChain强项 Agent系统：ReAct、Plan-and-Execute等推理模式，支持工具调用与多轮决策模块化…

#阿里云#LangChain与LlamaIndex#LangChain vs LlamaIndex

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配标题与标签：LangChain vs LlamaIndex 场景怎么选？核心设计理念与适用场景对比,技术侧重点分析 RAG 阿里云 AI框架选型 LangChain vs LlamaIndex RAG框架对比阿里

#阿里云#AI框架选型#LangChain vs LlamaIndex

面试题·RAG· 哔哩哔哩

CTR/CVR/ROI 冲突怎么协调?

匹配标题与标签：CTR/CVR/ROI 冲突怎么协调? 广告投放系统中多目标优化策略,模型与手段详解 RAG 哔哩哔哩 CTR/CVR/ROI多目标 CTR CVR ROI 冲突多目标优化广告广告投放系统指标协调哔哩哔哩

#哔哩哔哩#CTR/CVR/ROI多目标#CTR CVR ROI 冲突

面试题·RAG· 字节

豆包等产品多轮一致性挑战与方案?

匹配正文：…机制分层记忆（工作记忆/长期记忆）显式存储用户画像、对话摘要状态跟踪对话状态表（DST）结构化跟踪实体、意图、约束条件检索增强 RAG检索历史相关片段动态召回相关上下文，非线性依赖训练优化多轮对话SFT + RLHF 针对性优化连贯性和一致性具体实现要点：摘要压缩：用轻量模型实时生成轮次摘要，替代原始历史一致性约束：在prompt中注入"系统指令"和"已确认事实"列表显式验证：关键决策前让模型自检"是否与之前回答冲突" 学习建议建议系统学习该知识点

#字节#多轮对话一致性#大模型多轮对话

面试题·RAG· 小红书

新用户冷启动：生成式推荐与Embedding

匹配标题与标签：新用户冷启动：生成式推荐与Embedding 生成式推荐模型结合 Embedding 的冷启动策略 RAG 小红书新用户冷启动生成式推荐冷启动策略 Embedding 小红书

#小红书#新用户冷启动#生成式推荐

面试题·RAG· OPPO

搜索排序权重怎么动态调?

匹配标题与标签：搜索排序权重怎么动态调? RAG 系统中基于用户行为反馈的特征权重调整方案 RAG OPPO 用户反馈排序搜索排序权重动态调整用户行为反馈 RAG 排序优化 OPPO

#OPPO#用户反馈排序#搜索排序权重动态调整

面试题·RAG· OPPO

查询文档相关性怎么算?

匹配正文：…： ColBERT：延迟交互，token 级相似度，平衡效率与效果 Poly-encoder：多向量表示查询，兼顾速度与精度四、RAG 场景的特殊考量阶段方法职责召回向量检索（双塔）+ BM25 混合高召回、低延迟精排 Cross-Encoder / LLM 重排高精确、可接受延迟关键权衡：RAG 的检索延迟直接影响用户体验，通常用向量召回 + 轻量精排，而非纯 BERT 交互式。学习建议建议系统学习该知识点

#OPPO#查询文档相关性#语义匹配

面试题·RAG· 快手

LLM怎么融入推荐系统？意图理解与生成

匹配正文：…提升点击率更成熟，快手已落地"为你推荐"的个性化话术四、核心挑战与应对挑战应对策略幻觉（推荐不存在item）约束解码+检索增强（RAG），先召回候选集再重排实时性 LLM只做离线特征或粗排，精排保持轻量；或投机解码成本大小模型级联，简单请求走小模型，复杂请求触发LLM 评估困难离线用A/B test，在线关注用户停留时长等长期指标五、快手场景的特殊考量短视频推荐的核心是实时性+多样性： LLM适合做session级别的兴趣总结（如识别用户从"搞笑"转向…

#快手#LLM推荐系统#LLM 推荐系统

面试题·RAG· 美团

外挂数据库怎么提升大模型准确性?

匹配正文：结论：可以，这是动态RAG的典型应用场景核心实现思路层级关键设计数据层流式数据接入（Kafka/Flink）→ 增量构建向量索引，避免全量重建检索层多路召回（向量+关键词+规则）+ 实时性加权，新数据优先排序融合层检索结果注入Prompt，标注数据来源时间戳，让模型感知时效性反馈闭环用户点击/转化数据回流，动态调整索引权重和切分策略相比纯模型/静态RAG的优势时效性：分钟级数据可见，解决大模型知识截止问题准确性：数据分布漂移时，检索结果自动跟随变化…

#美团#外挂数据库增强#外挂数据库

面试题·RAG· OPPO

多信号评分函数原理与陷阱

匹配标题与标签：多信号评分函数原理与陷阱搜索引擎/推荐系统中综合多个相关性信号并排序的方法 RAG OPPO 多信号排序评分函数设计相关性信号融合 OPPO

#OPPO#多信号排序#评分函数设计

面试题·RAG· OPPO

搜索评分如何融合点击与停留?

匹配标题与标签：搜索评分如何融合点击与停留? 融合相关性、点击率、停留时长的加权与归一化方法 RAG OPPO 评分函数归一化 Scoring Function 设计搜索评分函数相关性点击率停留时长 OPPO

#OPPO#评分函数归一化#Scoring Function 设计

面试题·RAG· 蚂蚁

时间窗口对话系统：约束与取舍

匹配正文：…（如[2024-01-15 09:23] 用户: ...）长上下文模型中，利用NTK-aware插值或YaRN适配时间跨度变化 RAG增强向量检索 + 时间衰减重排：score = semantic_score × exp(-λ·Δt) 避免硬过滤：保留高语义相关但较早的内容作为"背景知识" 用户体验设计渐进式遗忘：非突然截断，而是"我记得您之前问过X，但细节可能需要确认" 显式锚定：允许用户主动标记关键信息突破时间限制（"记住这个"）时效性提示：对可能过期的信息主动…

#蚂蚁#时间窗口对话#时间窗口对话系统

面试题·RAG· 淘天

偏好数据如何收集与建模?

匹配标题与标签：偏好数据如何收集与建模? 数据收集、用户偏好建模与模型优化全流程 RAG 淘天用户偏好建模偏好感知对话系统对话系统训练淘天

#淘天#用户偏好建模#偏好感知对话系统

面试题·RAG· 小红书

生成式推荐的序列原理

匹配标题与标签：生成式推荐的序列原理生成式推荐自身的 item tokenization 和自回归原理 RAG 小红书 Item Tokenization 生成式推荐的序列原理生成式推荐是什么？Item Tokenization 与序列生成原理生成式推荐判别式推荐 Generative Recommendation 小红书

#小红书#Item Tokenization#生成式推荐的序列原理

面试题·RAG· 小红书