匹配正文：…更稳定，却需要代表性训练数据，并可能对未覆盖表达过拟合。统一生成框架便于共享任务与schema，但解码成本、无效输出和标签边界仍要评测。专用判别头通常输出空间小、延迟可控，也容易做概率校准；生成式方案则能统一接口并处理开放结构。谁更好取决于任务是只选固定标签，还是需要生成跨度、关系和解释。模型规模、预训练方式、tokenizer、标签语义和多任务迁移都会改变结果，不能用固定数据量区间决定路线。引用研究时必须写清模型、数据和指标。例如T5把多种NLP任务统一成text-to…

#判别式转生成式#Prompt工程#指令微调

面试题·推理优化· 字节

数据分层为何不用大模型?

匹配正文：…短输入仍然可以通过batch摊销矩阵计算和调度开销，能否高效批处理要看服务框架、请求长度分布、内存和并发，而不是由短输入自动否定。评测时应在同一硬件、相同精度和相同数据集上报告每秒样本数、端到端延迟、单位样本成本，以及与人工标注的一致率和置信区间。一种稳妥架构是级联。确定性规则处理格式、语言或明显垃圾；经过校准的小模型处理大部分清晰样本；不确定、冲突或高风险样本交给更强模型或人工。路由阈值不是拍脑袋设定，而要在验证集上根据边界样本召回、误杀成本和预算选择，并保留拒绝判断。 …

#数据质量评估#模型规模权衡#成本效益分析

面试题·评估· 阿里

验证集和测试集为何要分开?

匹配正文：…型选择和泛化声明对应两份不同证据。验证集可以频繁支持决策，测试集保留对决策过程之外数据的估计能力。若业务分布发生变化，则应重新定义评测窗口，而不是继续依赖一个早已被团队反复消费的旧测试集。

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

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

#模型评估#过拟合#数据划分

面试题·评估· 百度

面试高频论文怎么选?

匹配正文：…ama 2-Chat，详细讨论 SFT、reward model、rejection sampling 和 PPO 等后训练与安全评测。 The Llama 3 Herd of Models，2024：覆盖 Llama 3 的预训练、后训练、长上下文、多语言、代码、工具和安全。其后训练配方与 Llama 2 不应混写。 Mistral 7B，2023：公开 GQA 与 sliding-window attention 的设计和评测。 Mixtral of Experts，20…

#技术前沿追踪#论文阅读#大模型发展趋势

面试题·评估· 京东

NDCG 怎么计算?

匹配标题与标签：… 推荐系统 RAG评估相关性度量 2026真题 NDCG 计算公式 DCG 含义 IDCG 含义推荐系统评估排序指标大模型评测京东

#排序评估指标#信息检索#推荐系统

面试题·Agent· 小红书

新用户冷启动推荐如何设计？

匹配正文：…和位置偏差会污染 reward。点击率不等于满意或长期价值，应同时看隐藏/投诉、重复消费、留存与内容生态护栏。 5. 解释、隐私和评测解释只能引用真实触发因素。若系统只是推断兴趣，不能写“因为你选择了某项”。用户应能查看和修改偏好、关闭个性化并删除相关数据。分开评测首屏相关性、多样性、目录有效率、新用户完成/留存、探索成本、各群体曝光和错误率、隐私撤回与删除传播。实验按用户随机化，避免同一用户跨策略污染，并关注短期 CTR 提升是否损害长期满意。没有任何额外信号时，透明…

#推荐系统#冷启动#探索利用

面试题·文档处理· 字节

文本块如何生成向量并构建可维护索引？

匹配正文：…语言、时间和内容哈希。先检查空文本、重复、解析顺序、超出模型输入限制和越权内容。切分长度由文档结构、tokenizer、引用粒度与评测决定，不存在“小于 512 就直接用某模型”的通用规则。 2. 选择并运行嵌入模型从任务语言、许可与数据处理位置、最大输入、维度、是否需要 query/document 前缀、归一化和距离度量筛出候选。Sentence Transformers 一类双编码器适合将查询与文档分别编码并预计算文档向量；普通 BERT 的 CLS/mean poo…

#RAG#文本向量化#Embedding

面试题·评估· 字节

召回策略怎么评估，Recall@K 怎么解释？

匹配标题与标签：…K 怎么解释？从相关性标注、Hit/Recall、排序、候选预算到端到端证据使用，说明检索指标的定义与边界。评估 RAG 检索评测 Recall@K Hit@K MRR nDCG 端到端评测字节

#RAG#检索评测#Recall@K

面试题·评估· 字节

RAG 上下文不准确，如何用数据定位？

匹配正文：…用范围、版本和业务用途，不用“只保留两年”这类统一时效阈值；历史法规或旧版本有时正是问题答案。分块长度和 overlap 由结构与评测决定，不固定 256–512 token。监控采集完整率、解析失败、重复、索引版本差、权限/删除传播、候选覆盖、组装证据保留和坏例分布。抽检比例由风险、错误率估计和复核能力决定，不固定每周 5%。低分反馈进入待审队列，核验许可、身份、证据和标签后再进入开发或监控集；不能自动成为训练/评测真值。修复顺序由证据决定原文错就修来源和版本；解析…

#RAG#上下文诊断#数据质量

面试题·评估· 蚂蚁

大模型客服质检系统如何设计与验证？

匹配正文：…脱敏原文、时间位置、政策版本、规则命中和模型依据；记录复核人、修改原因与最终标签。标注者分歧用双标/仲裁和一致性指标处理。 5. 评测与发布离线按渠道、语言、问题类型、对话长度和风险切片报告 precision/recall、混淆矩阵、校准误差、引用存在与支持率、人工复核量和成本。训练/调参样本与独立测试按客户或时间先切分，避免同一会话片段泄漏。上线先影子运行，不影响绩效或客户权益；再灰度检查漏检、误报、各群体差异、转写失败、P95/P99 和复核容量。政策、Prompt…

#客服质检#LLM 评测#证据引用

面试题·评估· 安克科技

Agent/RAG 评估体系怎么搭?

匹配正文：…用/规划能力）覆盖客观指标（准确率、召回率）和主观指标（有用性、无害性）提及自动化评估与人工评估的结合指出实际落地中的挑战（评测数据构建、动态环境、成本权衡）一、RAG系统评估体系检索模块指标 Recall@K：正确答案在Top-K检索结果中的比例 MRR（平均倒数排名）：正确答案排名的倒数均值 Context Precision：检索片段中相关信息的比例生成模块指标 Faithfulness：生成内容是否忠实于检索文档（可用NLI模型自动判断） Answer R…

#安克科技#Agent#Agent 评估体系

面试题·模型微调· 华为

Few-shot vs Zero-shot vs Fine-tuning 怎么选?

匹配正文：先用同一套评测集比较 Zero-shot、Few-shot 和 Fine-tuning 不是按“样本达到某个固定数量”自动切换。先建立覆盖正常输入、边界、拒答和分布外样本的评测集，再比较质量、延迟、单次成本、维护成本和隐私边界。没有这条基线，“Fine-tuning 天花板更高”或“10 个示例就够”都只是猜测。怎样选择方案更适合的情况主要代价与风险 Zero-shot 基座模型已经理解任务，指令和输出契约可以直接说清最省上下文；复杂标签、特殊格式或隐含业务规则可能…

#华为#Few-shot 提示#Zero-shot 对比

面试题·知识图谱· 字节

GraphRAG 原理与传统 RAG 如何选择？

匹配正文：…除传播满足 SLO 医疗、风控等高风险场景不能把图路径直接用于诊断或决策。答案应回到底层证据，并由领域规则、权限和人工流程控制。评测与成本在同一查询集比较关键词、向量/混合、GraphRAG 及组合方案。分开看证据 Recall@K、实体链接与关系精度、答案正确性和事实支持、全局问题覆盖、更新延迟、P95 查询延迟、索引/模型成本及越权率。GraphRAG 的价值来自某类查询上的可测增益，不来自“图一定比向量更会推理”。参考资料 Microsoft GraphRAG：方…

#字节#GraphRAG 原理#GraphRAG vs RAG

面试题·知识图谱· 淘天

GraphRAG 落地的主要技术挑战是什么？

匹配正文：…中。使用 staged generation、固定查询回放、删除/ACL 检查和原子别名切换，比假设跨系统事务更容易验证。 4. 评测必须分层图层：实体链接，关系精确率/召回率，方向、时间和来源完整性。检索层：证据 Recall@K、路径命中、全局问题覆盖、越权与陈旧结果率。生成层：答案正确性、主张—证据支持和正确拒答。系统层：构建/更新成本、P95/P99 延迟、失败恢复和版本漂移。业务层：任务完成、人工处理量、投诉或风险指标。转化率或解决率可以是业务结果，但会…

#淘天#知识图谱#评估与监控

面试题·知识图谱· 百度

GraphRAG 高质量召回的三项核心依赖

匹配正文：…引爆结果。Local、Global 或其他路由只是候选策略，是否自动选择要由分类错误和端到端质量验证。 3. 图与原文证据的融合及评测图候选必须带回支撑它的文本片段。可使用规则、RRF、重排或分阶段查询融合图与文本，但方法和权重由标注查询集确定。全局报告回答宏观问题时也要保留可下钻证据；局部路径回答细节时要检查每条边。验收不只看 Recall@K，还要看 Precision@K、实体链接 top-k、关系方向/时间正确性、路径精确率、答案事实支持、无答案拒绝、ACL 与删…

#百度#知识图谱#GraphRAG 精准召回

面试题·RAG· 字节

高风险垂直领域 RAG 如何设计？

匹配正文：…件或改变当事人权益，除非特定产品已完成相应授权、验证和人工控制；面试答案应明确这是产品与治理决策，不是 RAG 技巧。 6. 分层评测数据：解析正确、版本/权限/删除传播；检索：Recall@K、排序、有效来源和时间切片；生成：逐主张支持、引用正确、冲突呈现、拒答与澄清；人因：专业人员覆写、误导性信任、可理解性；系统：P95/P99、失败恢复、成本与审计完整性。阈值由具体用途、基线、样本量和错误代价决定，不能预设事实准确率 95%、引用 90% 或响应 2 秒。

#RAG#高风险应用#医疗

面试题·检索· 小鹏

如何系统优化 RAG 检索？

匹配正文：…留原查询与变换结果，验证每种查询类型的净增益；涉及多子查询时，在融合前去重并保持同一权限约束。简单明确的查询未必需要改写。 5. 评测与发布离线分开报告候选 Recall@K、MRR/nDCG、最终上下文证据覆盖和无答案表现；线上再看任务完成、引用正确、P95/P99、吞吐和成本。每次只改变一个可解释因素并保留回归集。推荐的排查顺序是：原文与权限是否正确；正确证据是否有资格进入候选；单路召回各自漏什么；融合是否丢失或重复；重排是否把已有证据推上来；上下文组装是…

#RAG#检索优化#混合检索

面试题·检索· 百度

向量召回有哪些实现方式，如何选型？

匹配正文：…不是可迁移结论。 1. Flat：精确搜索 Flat 保存原始向量并与查询逐个计算距离，结果精确、无需训练，适合数据量允许、需要做评测真值或作为重排阶段的场景。代价是查询计算随向量数量增长，是否够快取决于维度、批量、硬件和并发。 2. HNSW：图导航近似搜索 HNSW 构建多层邻接图，通过图遍历找到近邻。它常能在较高召回下取得低延迟，但需要额外图结构内存，构建和更新也有成本。Faiss 的 HNSW 底层存储可以是 Flat、标量量化或 PQ；“底层精确搜索”不是 HNSW…

#向量检索#Faiss#Flat

学习路线·学习路线

大模型应用开发学习路线

匹配正文：…位？我能不能把一条最小的模型应用链路跑通？我要把 RAG、Agent 还是 Deep Research 做成主项目？我有没有评测、失败案例和技术取舍证明这是自己做的？我能不能脱离稿子说清项目，并接住后续追问？学习路线不是一张课程表。每一步都有完成标准：留下能运行的代码、评测或失败记录，就继续；还说不清，就先回去补。先看全局：五个关口，不按月份关口要解决的问题过关证据下一步 ① 定岗位和主线知道自己学什么，也知道哪些暂时不学一类目标岗位、一组 JD、一条…

#学习路线#RAG#Agent

求职指南·RAG

企业知识库 RAG 架构项目模拟面试

匹配正文：…实业务场景】企业知识库 RAG，承担【真实职责】，交付【真实工件】。需要准备：真实业务目标；个人职责边界；可核验工件。在【固定评测集】上将【真实指标】从【真实基线】改善到【真实结果】，同时满足【时延或成本约束】。需要准备：指标定义；评测集来源；基线与结果；工程代价。逐层练习 1. 说清你的职责简历原句是“【自己的真实项目描述】”。这条链路中哪些部分由你独立完成，哪些来自同事、云服务或既有平台？考察重点：核验项目所有权，避免把团队或平台成果当作个人成果。本人负责的…

#模拟面试#简历项目#连续追问

求职指南·RAG

PDF、表格、OCR 与文档解析项目模拟面试

匹配正文：…真实规模与约束】。需要准备：文档类型与规模；个人负责模块；交付证据。通过【真实改动】改善【字段、表格或版面指标】，结果由【真实评测集】验证。需要准备：指标定义；评测集；基线与结果；失败样本。逐层练习 1. 说清你的职责简历原句是“【自己的真实项目描述】”。你具体负责文件识别、OCR、版面分析、表格恢复、清洗还是切分中的哪几段？考察重点：核验项目所有权，避免把团队或平台成果当作个人成果。本人负责的模块、决策和交付边界团队、平台与外部服务的边界如果还没讲清：补…

#模拟面试#简历项目#连续追问

系统教程·RAG

RAG 面试题大全与知识体系

匹配正文：… 11 章实战教程把系统做出来，再按模块刷真题，每道题都有书面答案和口语版讲法。配套教程 RAG 智能问答系统：11 章从原理到评测知识模块 RAG 基础与整体架构文档处理与分块向量检索与召回重排与检索优化知识图谱增强常见问题 RAG 面试一般会考哪些问题？围绕你简历上的 RAG 项目逐层追问：为什么这样分块、召回率怎么测、混合检索和重排为什么要加、幻觉怎么归因。背概念挡不住追问，最好把一个完整 RAG 系统亲手做一遍。没做过 RAG 项目，直接背面试题有用…

#专题学习#RAG 面试题大全与知识体系

系统教程·大模型

大模型项目与公开作品

匹配正文：代码、教程和项目面试题可以直接查看。 RAG From Zero：从文档解析到检索评测一套按工程链路展开的 RAG 教学项目。不是只演示一次问答，而是把资料处理、检索、重排、引用和评测串起来。 GitHub 仓库、README、代码和配套章节，可以直接查看项目结构与实现思路。想判断课程是不是在讲完整工程链路，可以先看目录，再挑检索、重排或评测章节深入阅读。查看 GitHub 仓库大模型面试题图解 100 把 100 道大模型面试题按 14 个模块拆开，每题保留一张 S…

#公开作品#代码仓库

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：…味着要用 Deep Research。反过来，哪怕只有几个网页，只要需要跨来源比较、处理矛盾和形成判断，也可能是研究任务。路由评测集应该怎么建？路由是否准确，不能靠看几个演示问题。首先建立三类样本。普通 RAG 样本包括单点事实、操作说明、规则定位和明确的无答案问题。 Agentic RAG 样本包括需要补充查询、打开正文、做一次计算或根据初次结果换关键词的问题。 Deep Research 样本包括多候选比较、多源验证、开放分析、信息冲突和结构化报告任务。然后加…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由