匹配口述回答：…别，避免把错误或有害模式直接放大。SFT 可以教模型遵循格式、引用证据和拒答边界；偏好数据可比较帮助性与安全性。DPO 使用同一 prompt 下的 chosen 与 rejected，并依赖冻结 reference policy 的对数概率比直接更新 policy，不需要先训练一个显式 reward model。若偏好标签偏差、覆盖不足或把过度拒答标成更安全，模型仍会学错，因此需要分层数据和独立安全回归。知识密集任务要把答案连接到证据。检索可返回最新文档，计算器、代码执行…

#幻觉检测#内容安全#RLHF

面试题·项目与经历· 美团

Agent 哪项能力最先商业化?

匹配追问：Coding Agent在复杂架构设计和跨团队协作场景下的瓶颈是什么美团这类本地生活平台更适合优先落地哪种Agent能力如何评估一个Coding Agent产品的商业化成功指标场景切入假设你们团队打算在电商场景里用一个智能体来帮运营写促销代码、修复订单系统的小bug，你觉得和让它做搜索、记忆这类任务比，哪个能力最容易先赚钱？层层追问你觉得Agent哪些能力现在最可能落地？……比如coding和search，哪个技术更成熟？……那从商业角度看，哪个付费意愿更强？直…

#智能体商业化#Coding Agent#技术成熟度评估

面试题·项目与经历· 字节

大模型 vs 搜推小样本特征怎么融合?

…ng 与交叉特征保留什么信息？……两路特征在召回、特征层还是 logits 层融合？……小样本怎样迁移并避免时间泄漏？直球技术设计大模型语义能力与搜索推荐高维稀疏特征的融合方案，说明训练、迁移、召回/重排、延迟和评测取舍。

← 上一页第 15 / 15 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

匹配追问：

#特征工程#迁移学习#多模态融合

面试题·多模态· 小红书

Stable Diffusion 各版本怎么选?

匹配口述回答：…要按公开材料说到边界。v1、v2 与 SDXL 的论文和模型卡披露程度不同，闭源或未完整公开的过滤规则不能自行补齐。质量比较要固定提示词、种子策略、分辨率、采样器与步数，分别看提示遵循、构图、文字、人像失败、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…

#扩散模型#文生图#UNet架构

面试题·Agent· 美团

ReAct vs Plan-and-Execute 怎么选?

匹配追问：场景切入假设你在做一个电商客服机器人，用户问一个复杂订单问题，比如退款进度、物流异常和商品瑕疵一起问。你会怎么设计agent的推理流程？是让模型边想边调用工具，还是先整体规划再一步步执行？层层追问 Agent处理长任务时，你觉得是边推理边行动好，还是先做计划再执行好？……那当上下文越来越长、接近token上限时，这两种方式各自会出什么问题？……比如早期的一个错误观察，哪种架构更容易恢复？直球架构直接比较ReAct和Plan-and-Execute两种框架在长上下文任务…

#美团#Agent#ReAct vs Plan-and-Execute

面试题·Agent· 阿里

Agent 中 RAG 瓶颈怎么破?

匹配口述回答：…简单查询走缓存，复杂查询走RAG；而风控合同场景，我会更看重精度，哪怕多花点时间。最后，我始终认为RAG不是一个孤立的组件，它和 Prompt 设计、模型选择、甚至微调策略都要协同考虑。 RAG落地本质是检索和生成的权衡检索层的延迟与精度矛盾上下文管理中的信息丢失 Agent决策链的级联错误我的优化思路与取舍约4分钟知识库频繁更新时，增量索引的实时性和一致性平衡，以及双缓冲影子索引的实践面试官可能会追问增量索引的具体实现细节，比如如何处理删除、如何保证查询一致性、…

#阿里云#Agent#Agent RAG 瓶颈

面试题·Agent· 蚂蚁

Agent项目经验怎么突出亮点?

匹配口述回答：【真实性边界】这是一道经历核验题，我只讲自己真实参与并能用代码、实验、日志或设计记录说明的项目，不套用题库里的公司、职责和成绩。【回答框架】项目服务【真实用户或流程】，要解决【具体问题】，主指标是【定义与统计窗口】，同时受【延迟、成本、权限或安全】约束。我的直接职责是【本人模块】，模型平台、数据或其他服务由【团队角色】负责。请求进入后依次经过【意图识别】、【规划或状态机】、【工具调用】、【结果校验】和【人工或降级】，我会把关键状态与失败分支讲清楚。【事实填空】当时的基线是…

#蚂蚁#AI Agent 项目经验#大模型业务落地

面试题·Agent· 同花顺

Agent 开发技术栈怎么选?

匹配口述回答：…区分“了解过、做过原型、参与上线”三个层次，只说自己能拿配置、日志或代码解释的部分。没有训练过模型就直接说没有，不把调用模型或调 Prompt 说成模型训练。【回答框架】任务是【真实任务】，输入输出和风险边界为【】。我实际使用【框架及版本】处理【工具注册、编排或状态管理】，同时自研【真实模块】补足【权限、审计、持久化或容错】。基座模型与部署方式是【真实配置】。如果确实做过训练，我会说明【数据来源】【目标函数或方法】【基线】【硬件配置】和【评测方式】；否则说明为什么当前任务无…

#同花顺#Agent#Agent 技术栈

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配口述回答：…NN]]检索可能变慢，需要做索引优化，比如用[[HNSW]]或[[IVF-PQ]]。三是生成质量，检索到的信息可能冗余或冲突，需要Prompt设计或Rerank来整理。另外，单纯RAG处理多跳推理问题比较吃力。比如问'2023年双十一满减规则和去年比有什么变化'，需要先检索2023年规则，再检索2022年规则，然后对比。这时候我会考虑[[Agentic RAG]]，让模型自主决定检索步骤，或者用[[ReAct]]框架把推理和检索交替进行。所以整体上，我会把RAG看成一种低…

#淘天#事实准确性#RAG 减少幻觉

面试题·评估· 字节

RAG 文档检索选型

匹配追问：场景切入假设要为电商客服设计 RAG：用户问‘我昨天买的充电宝怎么还没到？’，系统要同时匹配订单号和‘物流延迟’这种语义。检索链路应怎么设计，稠密和稀疏检索如何取舍？层层追问 RAG检索你一般用什么方法？……如果用户输入的专有名词很多，比如‘iPhone 15 Pro Max 256G 钛金属’，纯语义检索会不会漏？……那你怎么把关键词和语义结合起来？具体融合策略是什么？直球架构说说你在RAG系统里用了哪些检索方法？技术选型怎么考虑的？针对检索效果做了哪些优化？比如索…

#字节#混合检索#RAG 文档检索选型

面试题·评估· 淘天

RAG 评估：检索、生成与端到端指标

匹配追问：…G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

面试题·RAG

什么是 RAG？一句话讲清检索增强生成

匹配口述回答：…数据喂给模型只会放大错误。如果问题需要强推理，检索结果只是零散片段，模型推理能力弱还是会答错。所以上线我会特别关注检索的召回率和 prompt 里约束模型不能脱离资料发挥。如果面试官追问，我会说 RAG 落地时最常见的失败场景是检索召回不够，导致模型接不到有效信息，或者检索结果太多把模型上下文撑爆。所以我会把 RAG 看成检索负责提供事实，生成负责组织表达，两者需要一起调优。本质是开卷考试补知识时效性和私有性降幻觉与可审计区分RAG和微调约2分钟 RAG落地最常见…

#入门#基础概念#什么是RAG

面试题·模型架构

Token 是什么?为什么大模型按 Token 计费?

匹配口述回答：… 2K 到 4K 就够，文档分析才需要 8K 以上。所以我会把 Token 看成大模型的“货币”，理解了它，你才能准确估算成本、设计提示词、选择模型。进一步，如果你对 Tokenizer 的细节感兴趣，可以聊聊 BPE 算法的合并策略，它直接影响词表大小和推理效率。一句话定位：Token 是大模型的基本计价和计算单位中英文差异源于词表偏向英文，中文更费 Token 按 Token 计费因为算力和 Token 数成正比，输出更贵落地时估算 Token 是关键，注意上下文…

#入门#基础概念#token是什么

面试题·多模态· 字节

Agent 优势与局限怎么分析?

匹配口述回答：…数增长，商业化场景下很难承受。还有一个安全边界的问题：Agent 自主调用工具，万一它自己去执行了删除订单的接口怎么办？你很难在 prompt 里把所有边界都定义清楚，常见失败场景就是 Agent 越权操作。所以落地时我特别关注前提条件：工具接口必须是幂等的，而且要有审核层。比如写操作先走审批，读操作才放行。不满足这些，Agent 上线就是定时炸弹。再说说技术趋势。现在比较热的是 [[Multi-Agent]]，比如 MetaGPT 那种，让一个 Agent 当产品经理，…

#字节#Agent#Agent 优势与局限

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配口述回答：…没有哪个模块默认该上。比如正确文档没进候选，先修覆盖和召回；候选已有答案但位置低，再考虑融合或重排；上下文正确而回答仍错，才检查 Prompt、生成模型或验证器。 Modular 或 Agentic RAG 把检索、工具、验证、重试与路由组成受控工作流，适合多步、多源和需要动态补证据的任务。代价是路径更难复现，也容易循环、越权和成本失控，所以要限制最大步骤、工具权限、总预算，并保留人工节点。选型时我会从 Naive 基线出发，在同一评测集上逐步加模块，分别看 Recall@K…

#淘天#重排与优化#Naive RAG

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配追问：场景切入假设你做一个客服知识库，用户问“怎么退货”，系统得从海量文档里找相关步骤。这个从查文档到生成答案的流程，你怎么设计？关键组件和顺序是什么？层层追问你想给大模型外挂知识库，一般流程是怎样的？……那文档怎么切分成块？……检索完怎么把内容和用户问题拼起来喂给大模型？……如果检索结果不相关，有什么优化手段？直球架构讲一下 RAG 的完整实现方案，从离线索引构建到在线查询生成，包括文档切分、向量化、检索策略、重排序、以及提示拼接这几个环节，你是怎么设计和落地的？

#字节#RAG系统实现#RAG 实现