匹配正文：…ll@10、Precision/MRR/NDCG、P99与成本歧义词要评估上下文与实体消歧，不能由歧义直接推出必须某个向量模型工程实践要点离线评估：构建标注集（query-doc相关性≥3档），避免线上AB测试周期长动态权重：根据query长度、实体密度自动切换（短query→BM25权重↑）成本核算：分别测embedding计算、索引、查询、更新和存储开销；硬件、索引与服务实现按预算选，不把某个向量库或ES当算法本身的强制依赖。学习建议建议系统学习该知识点参…

#抖音#BGE-M3 vs BM25#RAG 检索方案评估

面试题·评估· 阿里

Agent 工具调用用 Workflow 吗？

匹配正文：…w避免LLM规划失效需求变化周期<1周 → 动态Agent降低迭代成本需要人机协同审批 → Workflow显式嵌入人工节点工程实践建议渐进式引入：先用LLM生成执行轨迹，沉淀高频路径为Workflow模板混合架构：Workflow负责主干流程，特定节点内嵌LLM决策（如条件分支的判断逻辑）逃生舱设计：Workflow执行失败时，降级到动态Agent兜底学习建议建议系统学习该知识点

#阿里云#评估与监控#Agent

面试题·评估· 百度

MRR vs NDCG vs Precision 怎么选?

匹配正文：…G，如报告生成、综合分析 Precision@K：衡量Top-K纯度；候选池是否覆盖相关文档需另看Recall@K或目标保留率。工程实践：组合报告Recall覆盖、Precision纯度及MRR/NDCG排序。只返回1份正确文档可Precision=1，却仍漏掉其余相关文档。参考资料 Stanford信息检索教材 Stanford排序评估

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#MRR 计算方法#NDCG 与 Precision 区别

面试题·评估· 美团

RAG 解决了哪些问题?

匹配正文：…件，无需微调新法规上线当天可用领域知识医疗问诊需专业医学知识构建医学知识库作为外部记忆专业术语理解准确率提升35% 关键工程实践召回策略：向量检索 + 关键词BM25混合，解决语义漂移问题重排序：Cross-Encoder精排Top-20，提升相关性上下文压缩：检索结果摘要后再输入LLM，控制Token消耗局限认知：检索质量是天花板，若文档切分不当或Query与文档表述差异大，容易"检索到了但没用"。

#美团#混合检索#RAG 技术

面试题·评估· OPPO

意图识别在 RAG 中怎么用?

匹配正文：…Prompt（闲聊 vs 专业问答 vs 拒答场景）幻觉防控：识别超出知识库覆盖范围的意图，触发"我不知道"或联网搜索三、典型工程实践用户Query → 意图分类器 → 路由决策 ↓ ├─ 事实查询 → 精确检索 + 严格引用生成 ├─ 开放讨论 → 宽松检索 + 创造性生成 ├─ 多条件筛选 → 结构化查询 + SQL检索 └─ 无关/违规 → 直接拒答实现建议：轻量模型（BERT级）做初分，复杂场景用大模型二次确认，兼顾速度和准确率。

#OPPO#RAG 意图识别#RAG

面试题·评估· 字节

Agent 中规划与执行怎么协同?

匹配正文：…规划提供依据动态协同的关键：执行结果可能触发重规划——若API返回错误，Agent需重新规划替代路径（如换数据源或简化需求）。工程实践中的体现 Plan-and-Execute架构：先一次性生成完整计划（如"搜索→总结→翻译"），再逐条执行，适合确定性高的任务反思机制（Self-Reflection）：执行失败后，规划模块分析原因并调整策略，而非简单重试成本权衡：过度规划增加Token消耗和延迟，实际系统常设规划深度阈值或采用自适应规划本质区别：规划处理不确定性（决…

#字节#评估与监控#Agent

面试题·模型微调· 联通

RAG/蒸馏/微调怎么选?

匹配正文：…修改模型参数中的特定事实：定位-编辑：ROME、MEMIT定位MLP层中的知识神经元适用场景：单条事实修正，不适合大规模更新工程实践建议分层防御：检索优先 → 推理干预兜底 → 事后事实核查幻觉检测：NLI模型判断生成与证据的蕴含关系，或采样一致性检验产品策略：高风险场景强制引用溯源，低置信度触发人工审核学习建议建议系统学习该知识点

#联通#大模型幻觉缓解#检索增强

面试题·模型微调· 字节

大模型输出JSON怎么保正确?

匹配正文：…输出构造偏好对训练DPO，不必另训显式奖励模型；RLHF中的奖励模型/策略优化是另一条流程。训练都不能替代运行时约束与校验。五、工程实践组合推荐分层架构：约束解码（保语法）+ 清晰Schema（保结构）+ Pydantic校验（保业务）+ 重试降级（保可用）参考资料 OpenAI 官方：JSON mode、strict schema 与拒绝/截断边界 XGrammar 原论文：token 边界与文法约束 DPO 原论文

#字节#Agent#大模型 JSON 输出

面试题·模型微调

LLM 封闭标签如何强约束?

匹配正文：…ained Decoding）是核心保障微调/SFT提升指令遵循能力 Function Calling/JSON Schema是工程实践标准方案后处理校验作为兜底机制核心思路封闭标签输出本质是可控生成问题，需多层防护：提示工程 → 模型能力 → 解码约束 → 后处理校验。技术手段（按优先级） 1. 提示工程（基线） Zero-shot：明确指令 + 标签列表 + "只能从以下选择" Few-shot：提供输入→标签的示例，稳定输出格式加格式约束："输出必须是以下之…

#Agent#LLM 输出限定#封闭标签集

面试题·知识图谱· 美团

GraphRAG 架构原理与优势

匹配正文：…工审核闭环、多模型投票社区粒度难控粒度过细→碎片化；过粗→信息损失层次化社区（Leiden算法多级分辨率）、查询自适应选择工程实践建议：非全量上GraphRAG，而是对高频复杂查询领域（如金融风控、医疗诊断）做专项图谱构建，简单查询仍走向量检索。学习建议建议先掌握传统RAG原理，再学习图结构与知识图谱基础，结合论文与开源项目理解GraphRAG的实现逻辑与应用场景。

#美团#知识图谱#GraphRAG 架构

面试题·Prompt· 华为

Few-shot 提示怎么用?

匹配正文：…token，增加推理成本无需训练数据积累超长上下文模型才能承载复杂示例可解释、可快速迭代对示例质量敏感，"垃圾进垃圾出" 工程实践：生产环境常将Few-shot作为兜底策略——先尝试Zero-shot，效果不达标再引入精选示例，而非一上来就堆示例。学习建议建议从具体任务入手，如分类、生成，动手设计单样本和多样本提示，对比输出差异，理解few-shot如何引导模型。

#华为#Few-shot 提示#Prompt 工程

面试题·Prompt· 阿里

Prompt 系统设计原则与技巧

匹配正文：…述：用Function Schema精确定义参数和返回值状态管理：在Prompt中维护任务进度、历史Action、错误回溯四、工程实践要点版本管理：用Git管理Prompt模板，记录变更与效果动态组装：按场景拼接System/User/Context模块，避免硬编码评测闭环：建立Prompt-level的单元测试（输入变体→输出断言）学习建议掌握Prompt基本结构，结合实例练习少样本学习与思维链技巧，理解其在RAG和Agent中的应用逻辑。

#阿里#Prompt工程#Agent

面试题·Prompt· 商汤科技

ReAct 范式核心思想与工作流程

匹配正文：…财报的同比增长率"）工具编排：多步骤API调用（订票→查天气→规划路线）交互式探索：数据库查询、代码调试等需要试错迭代的任务工程实践要点 Prompt设计：严格约束输出格式（Thought/Action/Observation标签）工具描述：清晰定义Action的输入schema和返回格式终止条件：设置最大循环次数，识别finish等特殊Action ReAct是现代Agent框架（如LangChain、AutoGPT）的理论基础，与Function Calling…

#商汤科技#Agent#ReAct 范式

面试题·Prompt· 阿里

Prompt 性能上限评估指标

匹配正文：…评估、Bad Case分析、边界测试稳定性指标：多次采样一致性、对抗样本鲁棒性收敛判断：连续多轮优化增益<5%或出现指标震荡工程实践：A/B测试、影子流量、分层实验核心判断逻辑 Prompt优化存在边际递减效应，当连续多轮迭代带来的增益<5%或出现指标震荡（调优后反而下降），可认为接近当前上限。定量指标维度具体指标判断标准任务性能准确率、F1、EM、任务完成率对比基线提升<3%且人工抽检无感知差异生成质量 BLEU/ROUGE（参考任务）、困惑度与S…

#阿里#Prompt工程#评估与监控

面试题·RAG· vivo

地图避障方法有哪些局限?

匹配正文：…占用更新成本稠密栅格(0.05m) ~MB级/100㎡全量更新点云地图 GB级增量困难拓扑地图 KB级抽象损失细节工程实践中的应对思路分层架构：全局拓扑+局部栅格，平衡精度与效率动态物体过滤：Ray-casting一致性检测，避免地图污染边缘轻量化：NanoMap、Ego-centric局部地图替代全局维护端到端融合：传统方法提供安全约束，学习模型处理意图预测学习建议建议先掌握SLAM和路径规划基础，再通过仿真项目理解动态环境中地图方法的局限，注重…

#vivo#机器人导航避障#地图避障局限

面试题·RAG· 字节

RAG 查不到文档怎么降级?

匹配正文：… 阈值1 → 触发追问/推荐/转人工关键：阈值不是固定的，可按问题类型（技术/业务/闲聊）、用户身份（VIP/普通）动态调整。工程实践要点透明性：明确告知用户"未找到相关资料，以下为大模型生成" 可观测：埋点记录fallback触发频率、用户满意度渐进式：优先尝试低成本策略（追问→推荐→大模型→人工）实际中常采用策略组合，如先尝试追问一次，仍无效则用大模型回答并标注来源。学习建议建议系统学习该知识点

#抖音#RAG降级策略#RAG fallback

面试题·RAG· 美团

动态增量更新怎么防检索偏差?

匹配正文：…旧模型编码后，经线性变换对齐到新空间必须混存、资源受限时间戳加权检索分数引入时间衰减因子，降低旧文档优先级时效性敏感场景工程实践要点灰度验证：新文档先写入影子索引，对比线上检索TOP-K重合率监控指标：embedding空间中心偏移距离、查询-文档余弦分布KL散度回滚机制：保留最近N个版本的索引快照，支持分钟级切换学习建议建议系统学习该知识点

#美团#增量更新检索偏差#RAG 知识库更新

面试题·RAG· OPPO

内容热门度怎么量化?

匹配正文：…牛顿冷却定律变体： H_now = H_prev × e^(-α·Δt) + ΔH_new 适合实时流式更新，避免全量重算 3. 工程实践要点场景策略实时热榜滑动窗口（5min/1h）+ 增量更新稳定排序多日加权平均，降低波动冷启动内容质量分 + 作者历史热度兜底 4. 关键权衡时效性 vs 稳定性：突发热点 vs 经典内容全局热门 vs 圈层热门：需结合用户画像做分层防刷策略：异常检测 + 置信度加权，低置信度行为降权最终热门度通常作为排序特征之一，…

#OPPO#热门度量化#搜索排序指标

面试题·检索· 字节

RAG 重排序怎么选?

匹配正文：…数据分布复杂、单一通道不足 LLM-based重排用GPT-4/Claude等直接打分或生成排序理由极高精度需求、成本不敏感工程实践要点候选集大小：通常取向量检索Top-100~200重排，平衡召回与成本级联过滤：先用轻量模型（如bge-reranker-base）粗排，再用大模型精排Top-20 延迟优化：交叉编码器可蒸馏为tiny版本，或用ONNX/TensorRT加速；ColBERT支持PLAID索引进一步提速一句话总结：重排序是RAG从"可用"到"好用"的…

#字节#重排与优化#RAG Re-ranking

面试题·检索· 字节

RAG 重排收益与成本

匹配正文：…险信息密度优先排序信息完整、结构清晰的文档，提升上下文利用效率多跳推理对需要组合多个文档的场景，重排能更好识别互补性文档工程实践要点模型选择：轻量场景用Cross-Encoder（如bge-reranker），复杂场景用LLM-as-Reranker 截断策略：通常向量检索取Top-100~200，重排后取Top-5~10送入生成延迟控制：重排是同步阻塞环节，需控制候选数量或模型大小学习建议建议系统学习该知识点

#字节#重排与优化#RAG 重排收益与成本

面试题·检索· 字节

RAG 重排作用与实现

匹配正文：…GBM）、DNN（DIN/DIEN） 4. 大模型作为重排器用LLM直接输出相关性判断或分数（成本高，离线或精排top-K用）工程实践要点级联策略：初检Top-100 → 重排Top-10 → LLM生成缓存优化：高频query的重排结果缓存动态截断：根据分数gap自适应选择K值，非固定Top-K 学习建议建议系统学习该知识点

#字节#Cross-Encoder重排#RAG 重排作用与实现

面试题·检索· 小鹏

RAG检索优化：向量检索与重排序

匹配正文：…）、SQ降低内存占用，适合十亿级向量场景分区策略：IVF（倒排文件索引）将空间划分为Voronoi单元，先定位粗粒度再精细搜索工程实践预过滤（metadata filtering）+ 向量搜索的混合查询，减少候选集多副本+本地缓存热点查询，降低RT 二、重排序（Reranking）两阶段架构第一阶段：向量检索快速召回Top-K（如100-1000）第二阶段：精排模型打分，输出Top-N（如5-10）常用精排模型方案特点适用场景 Cross-Encoder…

#小鹏#检索阶段优化#RAG 检索优化

面试题·检索· 字节

召回模型怎么搭建?

匹配正文：…PQ 十亿级、内存受限聚类中心数与量化比特数 trade-off 实时增量新物料秒级入库需支持HNSW的动态增删或定期重建工程实践：Item向量离线预计算，User向量实时推理；索引按类目/热度分片，降低检索空间。链路解耦离线：全量Item编码 → 构建Faiss/Milvus索引 → 推送至KV/Redis 在线：User实时特征 → 塔模型推理 → ANN检索TopK → 粗排过滤学习建议建议系统学习该知识点

#Tiktok#负采样与向量索引#召回模型搭建

面试题·检索· 字节

RAG 向量库怎么处理时间衰减?

匹配正文：…间编码，或拼接时间特征向量需要端到端优化混合检索时间范围过滤 + 语义检索，ES的range+knn组合查询工程落地首选工程实践要点：时间戳作为元数据存储，检索时用于预过滤或后排序 λ参数需业务调优：新闻类λ大（衰减快），百科类λ小避免过度衰减导致"新但无关"内容压制"旧但精准"内容学习建议建议系统学习该知识点

#字节#向量库时效性#RAG 工作流程