匹配口述回答：处理 LLM 输出格式问题时，我先把三件事分开：能不能解析、是否符合 schema、业务上是否正确。JSON Mode 通常只保证是合法 JSON；严格结构化输出可以进一步约束字段和类型，但不同接口只支持 schema 的一部分，还要处理拒答、截断和版本变化。即使结构完全合法，金额、订单号或审核结论仍可能是错的。模型侧优先用目标接口支持的严格结构化输出或工具调用。不支持时再用模板和代表性示例做软约束。示例没有固定三到五个的最优答案，要覆盖正常、边界、缺字段、无依据和对抗输入…

#小红书#Agent#LLM 输出格式规范

面试题·评估· 字节

大模型 Agent 优缺点怎么分析?

匹配口述回答：这道题其实是在问，基于大模型的[[Agent]]到底能不能真正用到生产环境，它的成熟度怎么样。我理解它不光是技术实现的问题，更多是工程落地和风险平衡。先说技术实现，现在主流的Agent架构就是规划、记忆、工具、行动这四个模块。规划这块，[[ReAct]] 和 [[Chain-of-Thought]] 这些推理范式让模型先想后做，但实际跑起来你会发现，意图识别准确率才是入口质量的关键，如果第一步就偏了，后面全白费。记忆分短期和长期，短期就是对话上下文，长期靠[[向量数据库]]…

#字节#Agent#大模型 Agent 优缺点

面试题·模型微调· 百度

大模型知识库怎么构建?

匹配正文：…HTML去标签噪声过滤：去除页眉页脚、广告、重复内容语义分段：按主题或段落切分，长度作为候选变量，由文档结构、模型输入限制与评测结果决定比较零重叠、短窗口与较长窗口，用同一评测集验证是否减少信息割裂质量评分：用规则+小模型过滤低质量片段三、向量化（Embedding）模型选型场景推荐模型通用中文 BGE-M3、GTE、ERNIE 垂直领域领域数据微调后的模型多语言 E5-mistral、BGE-M3 优化技巧对Query和Document分别设计Pr…

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#大模型知识库构建#知识库向量化

面试题·RAG

大模型幻觉是什么？怎么缓解？

匹配正文：答案要点幻觉 = 模型一本正经地输出看似合理、实际却与事实不符或凭空捏造的内容根源在于大模型的本质是“预测下一个词”：它优化的是“像不像人话”，不是“是不是事实” 训练数据有错漏、知识有截止日期、模型不知道自己不知道，三者共同加剧幻觉缓解三板斧：RAG 提供事实依据、提示词约束引用来源、允许模型说“不知道” 幻觉只能缓解、无法根除，高风险场景必须保留人工审核兜底核心概念大模型幻觉（Hallucination）是指模型生成了看似流畅合理、实际却与事实不符或凭空捏造的内…

#入门#基础概念#大模型幻觉

面试题·模型训练· 美团

训练数据清洗：规则 vs LLM

匹配追问：…洗本身可能引入新的偏见或错误，如何检测和控制？场景切入假设现在要从混合格式文档中抽取固定字段和语义长尾字段。你会怎样让规则与 LLM 分工，并控制成本、延迟与错误传播？层层追问格式稳定且可枚举的字段适合什么？……合同式长尾语义又适合什么？……结构化输出是否等于语义正确？……高风险字段怎样校验和转人工？直球技术请比较规则与 LLM 在数据预处理/信息提取中的适用场景、维护成本、可审计性、概率错误和混合架构，并给出同口径评测方案。

#数据清洗#数据工程#训练数据构建

面试题·模型架构· 高德

参数规模怎么影响大模型?

匹配口述回答：…更值。训练动态上，模型越大，显存、通信、吞吐和数值稳定的挑战越明显，需要分片并行、混合精度和更谨慎的初始化与学习率。不过我不会说大模型的损失面必然更平、梯度噪声必然更大，也不会声称 Transformer 天生会找到平坦极小值，这些都不是通用定理。泛化要看多组证据：训练和验证损失、留出任务、校准、分布外表现、近重复记忆以及评测污染。监督学习里的 double descent 是一些设定下观察到的经验现象，不能直接当成所有语言模型随参数扩大都会出现的标准曲线。选型时我更关…

#缩放定律(Scaling Laws)#过参数化#双下降现象

面试题·项目与经历· 美团

信息抽取：规则 vs LLM

匹配追问：…种方案在生产环境的实际效果？场景切入假设现在从半结构化文档中抽取既有固定格式字段，也有依赖上下文的长尾语义。你会怎样组合规则、LLM 和人工审核？层层追问固定模式为什么适合规则？……语义变化大时 LLM 的优势和风险是什么？……JSON 合规是否代表内容正确？……高风险字段怎样校验、审计和回退？直球技术请比较规则与 LLM 信息抽取的适用场景、准确性、维护成本、延迟、可审计性和错误边界，并设计混合架构与评测。

#规则引擎#LLM应用#成本优化

面试题·模型训练· 安克科技

大模型微调方法怎么选?

匹配正文：…数微调更新全部权重。三者的效果和成本随模型、任务、数据与实现变化。没有实际运行的框架、数据配比、训练规模和收益都不应代写。图解大模型微调方法怎么选?图解

#LoRA#全参数微调#数据工程

面试题·项目与经历· 商汤科技

大模型项目缺陷修复

匹配口述回答：【30秒速答】大模型项目的缺陷至少要分成泛化、性能、一致性和可靠性四类。过拟合看训练与独立验证差距、泄漏和域偏移；延迟拆成排队、prefill、逐 token 解码与工具调用；输出不一致先检查采样、提示、检索和外部工具；事实与安全问题要回到证据、权限和审核。投机解码是草稿模型提议、目标模型验证，不是用小模型打分。Self-Consistency 只聚合多条推理路径，不能替代检索或事实核验。【90秒主答】过拟合的处理顺序是先证明现象。若训练损失继续下降而独立验证质量变差，…

#过拟合#推理优化#输出稳定性

面试题·项目与经历· 阿里

LLM 应用场景价值怎么分析?

匹配口述回答：【30秒速答】大模型的技术意义是让自然语言理解、生成、代码补全和工具调用进入工作流；商业意义要看质量不下降时是否减少人工、缩短周转或创造收入。数字必须绑定研究口径。GitHub 的受控实验显示，参与者完成一个指定 HTTP server 编程任务时，Copilot 组平均快 55%，这不能外推为所有开发工作固定提升，也不证明长期质量和维护成本。客服、代码和内容都要用本组织基线，测成功任务成本、人工接管、严重错误、延迟和业务结果。【90秒主答】客服场景的价值不是“自动回复…

#大模型应用落地#商业价值分析#智能客服

面试题·项目与经历· 美团、小红书

自我介绍怎么突出大模型?

匹配题目：请做一个简要的自我介绍，涵盖你的教育背景、工作经历、技术专长以及你对大模型领域的兴趣和理解。

#自我介绍#面试技巧#背景匹配

面试题·RAG

RAG 文档解析质量怎么评估？不能只看“解析成功”

匹配正文：…束和生成模型。从最终错误反查解析链路先确认正确证据在哪一层消失，再决定检查解析、切分、检索还是生成。最终答案错误不能直接归因于大模型。这种分层有一个直接好处：修改目标变得清楚。如果正确单元格从未被还原，换 Rerank 没有意义。如果证据存在但总排在后面，继续调 OCR 也不会解决排序问题。指标应该怎样选？解析评测不需要堆满所有指标，但每个指标都要对应一个可以处理的问题。文字层可以检查字符或词的差异、关键句覆盖以及噪声比例。对于普通电子文本，重点往往是漏段和重复…

#RAG#解析与入库#RAG 文档解析评估

面试题·Agent

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：…度猜勤奋程度。结果与过程的完整评估流程从任务 contract 到主张证据和步骤缺口，最后再汇总与归因。哪些用规则，哪些用 LLM Judge？格式合法、JSON、引用 ID、URL 可达、计算复算、重复调用和工具状态适合规则。开放问题的覆盖、取舍、结构和解释质量更适合 rubric 加 LLM Judge。高风险事实、争议结论与 Judge 分歧需要人工复核。三者不是互斥的。规则先处理确定性硬门，减少 Judge 负担；Judge 对剩余维度输出结构化分数与…

#Deep Research#上线成本与评估#Deep Research 评估

面试题·评估· 百度

自动 vs 人工评价怎么选?

匹配标题与标签：自动 vs 人工评价怎么选? 大模型评估中 BLEU、ROUGE 等自动指标与人工标准的优劣对比评估 BLEU ROUGE BERTScore 人工评估评测指标对比大模型评测体系 2026真题大模型评估指标自动评价 vs 人工评价 BLEU ROUGE 优缺点大模型评测百度

#BLEU#ROUGE#BERTScore

面试题·评估· 字节

判别式转生成式哪种方法更优?

匹配标题与标签：…验经验评估判别式转生成式 Prompt工程指令微调范式对比任务适配 2026真题生成式任务转化 NLP 任务转化方法大模型评测字节

#判别式转生成式#Prompt工程#指令微调

面试题·评估· 阿里

验证集和测试集为何要分开?

匹配标题与标签：…泛化能力评估,合并的风险评估模型评估过拟合数据划分泛化能力模型选择偏差 2026真题验证集测试集区别泛化能力评估大模型评测阿里

#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?

匹配标题与标签：面试高频论文怎么选? 近期大模型重要论文盘点,技术讨论中的引用与启发评估技术前沿追踪论文阅读大模型发展趋势研究社区动态技术判断力 2026真题大模型论文面试论文推荐 LLM 论文解读大模型评测百度

#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：…息检索推荐系统 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·模型微调· 华为

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

匹配标题与标签：Few-shot vs Zero-shot vs Fine-tuning 怎么选? 用评测、错误来源、成本和数据治理选择 Zero-shot、Few-shot 与 Fine-tuning 模型微调华为 Few-shot 提示 Zero-shot 对比 Fine-tuning 选择大模型推理策略华为

#华为#Few-shot 提示#Zero-shot 对比

项目实战·RAG

RAG 智能问答系统

匹配正文：公开教学项目：从文档解析、检索重排到引用与评测这是公开化教学案例。文中的场景与指标用于理解项目实现；简历应填写自己实际完成的工作与测量结果。从文档解析、检索重排到引用与评测的公开教学项目配套代码与运行环境配套代码：rag-from-zero。先区分零依赖演练和完整模型链路：前者用玩具/模拟组件检查逻辑，后者还需要本地模型、首次权重下载、有效LLM凭据与网络。通过冒烟测试不等于真实Embedding、重排和LLM生成已经跑通。建议为这版配套代码使用 Python 3.…

#项目实战#RAG 智能问答系统

项目实战·Agent

Deep Research Agent：从证据链到可恢复任务

匹配正文：…架名代替具体贡献和证据注意：不要把理论上限写成已经实现的能力 📌 以上是事实填空框架，不是可直接粘贴的经历。没有亲自完成训练、评测或上线，就不要把对应步骤写进简历。避免空泛的项目表达做了一个能自动搜索回答问题的 AI Agent，效果不错问题：「效果不错」零信息，也没说清它比普通问答强在哪可以改成：在[真实任务集]对比[基线]，记录工具调用、引用支持度和 token，结果为[实测值] 精通 Agent / RAG / 强化学习 / 大模型微调问题：「精通」是大坑…

#项目实战#Deep Research Agent

项目实战·Agent

Agent / Multi-Agent 系统

匹配正文：… 再做最小可运行 Agent，把状态、工具结果和停止条件串起来。用 Agent 项目面试题检查规划、工具、记忆、权限、回放和评测能否讲清并被验证。需要更完整的项目实现、代码复盘和课程服务时，再核对本页底部的训练营入口和实际课程安排。公开部分当前提供教程和 25 篇项目验收问答，适合建立起点与检查理解；它不包含完整训练营仓库，也不应被当作完成过真实项目的证明。什么是 Agent 从单次 LLM 调用开始，加入受控的状态、工具和完成条件。先明确用户目标、输入输出契约与…

#项目实战#Agent / Multi-Agent 系统

面经·求职· 通用岗位场景

RAG 项目面试会怎样连续追问？一场工程深挖教学复原

匹配正文：从系统链路、检索选型到评测与权限，演示面试官怎样验证一段 RAG 项目描述这不是候选人实录，而是一套用于自测的教学对话。请把示例问题换成自己的项目事实，再练回答。本文是教学设计，不对应真实公司、候选人或录用结果。文中不预填项目规模、个人职责与效果数字；练习时只能使用自己能够说明测法与证据的事实。学习背景经验：适合有后端基础、正在准备大模型应用开发岗位的读者项目背景：练习场景：企业文档 RAG；项目规模、指标与个人职责由读者按真实经历填写目标岗位：大模型应用工程师 …

#RAG#项目深挖#教学复原

求职指南·Agent

vLLM 推理服务、吞吐、延迟与成本项目模拟面试

匹配正文：适合部署过大模型推理服务的人，重点练服务选型、吞吐、延迟、显存、容量和成本。教学示例：先换成自己的真实项目描述，再逐题练习。下面保留完整追问分支、检查重点与评分规则。项目描述示例负责【真实模型与硬件】推理服务，承担【部署、压测或性能优化模块】。需要准备：模型与硬件；职责边界；部署工件。通过【真实 vLLM 配置或架构改动】改善【吞吐、延迟或成本指标】，测试条件为【真实负载】。需要准备：负载模型；基线与结果；配置版本；质量或稳定性代价。逐层练习 1. owners…

#模拟面试#简历项目#连续追问