匹配正文：…全过滤敏感信息检测：正则+模型识别PII（手机号、身份证号）合规审核：调用内容审核API（如火山引擎、阿里云绿网）幻觉检测：RAG场景下对比检索片段，计算语义相似度；关键事实要求模型提供引用来源四、异常处理与降级 try: result = parse_and_validate(raw_output) except FormatError: result = retry_with_stricter_prompt() # 重试 except ValidationErro…

#字节#大模型输出过滤#大模型输出检测

面试题·RAG· 字节

上下文错误时怎么保证输出准确?

匹配追问：…过知识库问答系统。假设用户问订单状态，检索出的文档却把已发货和已签收搞混了，模型直接照搬错误的上下文回复，你怎么兜底？层层追问 RAG里模型完全依赖检索到的上下文对吧？……如果上下文本身就有错，比如时效性过期或者相互矛盾，你有什么办法让模型不盲从？……再进一步，怎么设计一套机制能自动识别并处理这种错误信息？直球架构在RAG系统中，针对检索到的上下文可能包含错误或不准确信息的情况，请设计一套确保模型输出准确性的策略，包括检测、验证、校准和兜底等环节。

#字节#错误上下文处理#RAG 上下文错误

面试题·RAG

LLM 封闭标签方法对比

匹配标题与标签：LLM 封闭标签方法对比封闭标签分类的 Prompt、约束解码、后处理和微调对比 RAG 封闭集合分类约束解码 LLM 封闭标签方法对比 LLM 怎么严格输出预定义标签？方法对比与选型 LLM 输出限定标签

#封闭集合分类#约束解码#LLM 封闭标签方法对比

面试题·检索· 高德

向量数据库怎么支撑 Agent 记忆?

匹配正文：…记忆冲突/过时版本化存储 + 置信度打分，低置信记忆触发确认隐私敏感数据分级存储，敏感内容加密embedding或隔离索引架构示意：用户输入 → Query理解 → 并行检索[语义向量+关键词+知识图谱] ↓ 融合排序 → 上下文注入Prompt → LLM生成核心权衡：记忆容量↑ → 噪声↑ → 需更精密的过滤与排序机制。学习建议建议先掌握向量数据库和Embedding基础原理，结合RAG与Agent实战案例理解记忆机制设计，多动手实践检索优化与相似度评估。

#高德#重排与优化#文档处理

面试题·检索· 字节

两阶段 vs 端到端怎么选?

匹配口述回答：…到端看成“加速手段”。两者不是二选一，而是根据场景、成本、质量要求动态组合。如果面试官感兴趣，我可以展开讲讲怎么用 [[Self-RAG]] 让模型自己判断是否需要检索，实现更细粒度的混合。本质是信息密度与可控性的取舍两阶段架构：可控但复杂端到端生成：简洁但有幻觉风险落地权衡：混合架构是常态延伸点：两阶段的隐性成本约4分钟两阶段架构中召回与精排之间的信息损失，以及如何通过回退机制缓解面试官可能会追问信息损失的量化方法，或者回退机制的具体设计

#字节#两阶段检索与端到端生成#两阶段检索

面试题·检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

匹配追问：…壳’，BM25能精确匹配，但向量检索能召回‘iPhone保护套’。这两种方法你会怎么选？如果混合使用，融合策略怎么定？层层追问 RAG系统里检索这块，你通常用什么方法？……那BM25和向量检索各有什么优缺点？……混合检索怎么把两者结果结合起来？具体在开放域问答和电商搜索里，你会怎么选？直球架构从原理上对比BM25、向量检索和混合检索，分别说清楚它们怎么工作的，在准确性、召回率、语义理解、计算开销上的差异，以及分别适合哪些应用场景。

#小红书#检索方法对比#BM25 向量检索混合检索

面试题·检索· 美团

BM25公式参数含义与TF-IDF对比

匹配追问：场景切入我看你简历上做过RAG检索系统。假设用户问一个很冷门的专业术语，向量召回效果很差，你打算怎么补救？能不能用个经典算法兜底？层层追问信息检索里TF-IDF你肯定熟悉。……那它有什么缺点？怎么改进？……如果我要兼顾词频饱和和文档长度，你能想到什么算法？直球架构请完整推导BM25的评分公式，解释每个参数的含义，重点说明它相比TF-IDF在词频饱和度和长度归一化上的改进，再谈谈它在RAG里的应用价值。

#美团#BM25#BM25 算法原理

面试题·检索· 京东

向量数据库选型关键因素有哪些？

匹配追问：…一个知识库问答，用户问“我的订单什么时候到”，需要从几百万条商品和物流数据里找答案。你选向量数据库时会考虑哪些因素？层层追问做RAG的时候向量数据库怎么选？……如果数据量从百万涨到十亿，你的选型会变吗？……那实时性要求高，比如用户对话延迟要控制在200毫秒内，你优先看哪些指标？直球架构给一个RAG应用选向量数据库，从性能、扩展性、索引类型、集成难度这几个维度，说说你的评估要点和取舍逻辑。

#京东#向量检索#向量数据库选型

面试题·检索· 小红书

中文知识库检索选型

匹配追问：…你从知识库检索到iPhone15的报价。那如果用户换个问法说“那个水果牌手机呢”，BM25可能就匹配不上了，你怎么办？层层追问 RAG系统里检索这块你一般用什么方法？……那BM25有什么缺点？……如果遇到语义匹配的场景，你还会用哪些检索方式？它们各自有什么优劣？直球架构请系统性地列举RAG系统中常用的检索方法，包括稀疏检索和稠密检索，并说明各自的原理和优缺点。

#小红书#稀疏与稠密检索#中文知识库检索选型

面试题·检索· 高德

BM25原理、应用场景及与TF-IDF区别

匹配正文：…长度无显式处理显式归一化 IDF 简单对数平滑处理（+0.5避免负值）长文档友好性差好参数调优无有k1/b可调 RAG中的应用场景混合检索架构：BM25做粗排召回 + 向量模型做精排重排稀疏检索基线：与稠密向量形成互补，捕获精确匹配信号关键词敏感场景：法律条文、医学术语等需要字面精确匹配的领域实时检索：无需神经网络推理，毫秒级响应局限性无法处理语义鸿沟（"苹果"→公司/水果）需配合同义词扩展或向量检索补足语义能力

#高德#BM25评分公式#BM25 算法原理

面试题·多模态· 小红书

多模态大模型面临哪些挑战?

匹配正文：…度对齐或长链推理必然改善。 CoT可能帮助模型组织步骤，但生成的理由不一定由视觉证据支持；Agent可以调用OCR、检测器或搜索，RAG可以补外部知识，却都不能自动修复输入中未被识别的对象。工具返回还可能冲突或被错误引用，需要显示区域、帧和文本证据，并在不足时拒答。跨模态冲突是另一类风险。图像、字幕和用户文字不一致时，模型可能偏向更强的文本先验。需要专门构造冲突样本，测模型是否指出差异，而不是强行融合。医学、身份和内容审核等高风险场景还要做权限控制、隐私处理和人工确认。系…

#模态对齐#数据构建#推理一致性

面试题·评估· 商汤科技

评测数据集怎么选?

匹配正文：…anEval，说明以单元测试执行 functional correctness，并报告 pass@k、采样数和沙箱安全。业务或 RAG：公开集不能代替目标场景，应建立经过许可、去重和版本化的私有测试集，分别评估检索、上下文利用、faithfulness 和任务成功。每个数据集都要交代选择理由、split、样本数、污染与近重复检查、评分脚本版本和局限。没有实际跑过的金融、代码或线上数据不能写成个人项目成果。

#评测数据集#benchmark选择#评测指标

面试题·推理优化· 得物

超长上下文怎么处理?

匹配题目：当输入上下文长度显著超过模型原生支持范围时，有哪些主流技术手段可以有效处理长上下文？请从模型架构（如位置编码改进）、分块策略、注意力优化等方面进行说明。

#长上下文#位置编码#稀疏注意力

面试题·评估· 字节

LLM 幻觉与安全风险怎么缓解?

匹配题目：…语言模型的应用中，如何有效缓解模型生成内容中的幻觉（Hallucination）和安全风险（如偏见、有害内容）？请从训练数据、模型架构、解码策略、后处理和评估等多个角度阐述应对方法。

#幻觉检测#内容安全#RLHF

面试题·项目与经历· 商汤科技

数据预处理关键步骤与目的

匹配正文：…率、约束失败率等指标，并结合业务表现与人工复核设阈值。阈值由历史波动和风险成本校准，不是看到任意距离变化就自动增量训练。Self-RAG 是让生成模型按需检索并用反思 token 评价检索与生成的 RAG 方法，不是通用数据漂移检测或自动清洗触发器。

#数据清洗#数据增强#数据采样

面试题·项目与经历· 美团

面试反问环节怎么准备?

匹配追问：…的mentor风格是什么样的场景切入假设你现在入职了，我们团队正在做外卖智能客服，你作为新人最想先了解团队的哪些技术方向？比如RAG和Agent结合怎么落地？层层追问你对我们团队有什么想了解的吗？……比如技术方向、团队协作或者个人成长都行……要不先聊聊技术，你觉得目前大模型落地最大的瓶颈在哪？直球架构面试快结束了，你对团队的技术方向、项目挑战或者职业发展有什么想问的？比如算法和工程怎么协作，或者新人培养路径是什么样的？

#面试技巧#职业规划#团队文化

面试题·Agent· 同花顺

Agent 实现 AGI 面临哪些挑战?

匹配口述回答：…完了就完了，不会真的更新自己的能力。记忆系统停留在存储-检索，缺乏抽象和整合。如果面试官感兴趣，我可以展开说说怎么用[[Self-RAG]]或者[[Reflexion]]让Agent从错误中学习。所以我的判断是，AGI级别的Agent需要架构层面的突破，不是单纯靠Scaling能解决的。我更务实的看法是，未来五到十年，应该是专业Agent集群加人机协同的路线，而不是追求单体的完全自主。本质差距：窄Agent与通用Agent的鸿沟规划推理的脆弱性：长程任务和元认知缺失工…

#同花顺#Agent#Agent AGI 挑战

面试题·Agent· 字节

Agent 长期记忆存储结构

匹配正文：存储架构设计：三层记忆体系分层存储结构工作记忆：对话上下文，用KV Cache或滑动窗口，毫秒级访问短期记忆：当前会话的完整记录，Redis/内存，支持快速CRUD 长期记忆：跨会话的海量历史，向量数据库+图数据库混合，持久化存储混合存储方案长期记忆 = 向量存储(语义检索) + 关系数据库(结构化过滤) + 对象存储(原始对话) 检索效率优化索引层面 HNSW/IVF-PQ：亿级向量毫秒级ANN检索，内存-磁盘分层分区策略：按用户+时间窗口分片，避免全量扫描 …

#字节#蚂蚁#向量检索

面试题·Agent· 蚂蚁