匹配正文：…F/Word/网页用专用解析器（如MinerU、Marker），保留表格结构和层级标题领域术语标准化：建立专业词表，做实体链接和指代消解质量过滤：去重、低质量页面过滤、敏感信息脱敏智能分块策略语义分块：用领域微调的小模型做句子边界识别，非固定长度结构感知：按章节/条款切分，保留父子层级关系用于后续递归检索多粒度冗余：同一内容生成256/512/1024三种chunk，适配不同查询深度二、检索优化层多路召回召回通道适用场景实现方式向量检索语义相关领域…

#字节#领域RAG架构#RAG 系统架构

面试题·检索· 字节

RAG 架构：检索到生成全链路

匹配正文：… 用户Query → 查询改写 → 多路检索 → 重排序 → 上下文组装 → LLM生成环节说明查询改写扩展同义词、纠错、指代消解（如"它"→具体实体）多路检索向量检索（语义匹配）+ 关键词检索（精确匹配）+ 可能的知识图谱召回重排序（Rerank）用Cross-Encoder（如BGE-Reranker）精排Top-K，提升相关性上下文组装按相关性排序拼接chunk，控制总长度（通常占LLM上下文30%-50%） LLM生成构造Prompt："基于以下…

#字节#RAG组件设计#RAG 系统架构

面试题·检索· 阿里

RAG检索器与索引结构怎么选？

匹配正文：…扩展query Step-back 抽象出高层概念再检索子查询分解复杂query拆成多个子问题历史上下文补全多轮对话中补全指代消解四、进阶优化重排序（Rerank）：Cross-encoder精排，如ColBERT、BGE-Reranker 迭代检索：根据中间结果动态调整query（IRCOT）元数据过滤：先结构化过滤，再向量检索，减少搜索空间一句话总结：召回链路优化 = 多路召回扩覆盖 + 索引结构保效率 + 查询重写对齐语义 + 重排序保精准。学习建议 …

← 上一页第 2 / 2 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

#阿里云#查询重写#RAG 召回优化

面试题·模型微调· 字节

架构与训练怎么提升多轮一致性?

匹配口述回答：… 训练策略上，我会做多阶段。预训练或继续预训练阶段，让模型适应长文本和长对话结构；[[SFT]] 阶段用高质量多轮对话，让模型学会指代消解、状态跟踪、承接前文和遵守系统角色；偏好优化阶段，用多轮偏好数据训练模型更偏好一致、简洁、符合上下文的回答。一致性训练不能简单要求相邻回答语义接近，因为多轮对话可能每轮都在讨论不同内容。更合理的是做事实一致性、角色一致性和状态一致性。比如用户第一轮说“我预算 5000”，后面模型不能推荐 2 万的方案；系统设定是专业客服，后面就不能突然变…

#字节#模型微调#多轮对话一致性

面试题·RAG· 字节

豆包等产品多轮一致性挑战与方案?

匹配追问：…矛盾，比如先说“可以退款”后面又说“不行”？直球架构聊一下多轮对话中提升一致性和连贯性的技术方案。你能列出几个主要挑战吗？比如指代消解、话题漂移、长程遗忘、一致性冲突这些。然后针对每个挑战，你会用什么技术手段？比如上下文管理、记忆机制、状态跟踪、RAG之类，具体怎么落地？

#字节#多轮对话一致性#大模型多轮对话

面试题·检索· 字节

RAG检索质量提升5法

匹配口述回答：我会把 RAG 检索优化分成检索前、检索中和检索后三个阶段，并为每一步做独立评测。检索前可以做指代消解、纠错、查询改写、多查询和子问题分解。HyDE 用假设文档帮助匹配表述差异较大的资料，但生成内容偏移也可能带来噪声，所以要和原查询基线比较，不能默认更好。检索中通常并行使用 BM25 与稠密向量召回。两路分数尺度不同时，RRF 是稳健的无监督基线；有可靠标注时，也可以使用分数归一化、线性融合或学习排序。随后只对有限候选使用 Cross-Encoder 重排。候选数没有通用…

#字节#重排与优化#RAG 检索质量提升