匹配正文：…算内。沿实际输入处理路径统计，才能让长度上限和最后留下的答案落在同一个口径上。向左截断，为什么会留下开头？我核对的是一个用于 Agent 训练的本地代码包，其中包含基于 verl 的 SFT 数据集实现。它的多轮SFT数据集按pad_mode分成两条处理路径。这个参数决定填充方式，也决定长度处理代码进入哪个分支，因此不能只看truncation的名字。在RIGHT分支里，短序列会在右侧补齐；遇到超长序列，再判断截断方向。设置left时去掉左边，保留尾部；设置right时…

#SFT#数据处理#截断

面试题·RLHF与对齐· 美团

长视界任务怎么结合环境训练?

匹配追问：…复在美团配送场景中，如何设计课程学习的难度梯度奖励塑形中如何避免引入偏差导致最优策略改变场景切入假设现在训练一个配送调度 Agent，任务经过很长的动作序列后才得到整体反馈。你会怎样让策略获得更可学习的信号，同时避免短期代理目标偏离终局目标？层层追问长视野下信用分配为什么困难？……分层策略怎样定义子目标？……课程学习怎样改变任务难度？……奖励塑形如何验证没有改变最优行为？直球技术请为长视野环境任务设计训练方案，比较分层强化学习、课程学习、奖励塑形与记忆机制，并…

← 上一页第 20 / 20 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

#分层强化学习

#课程学习

#奖励塑形

面试题·RLHF与对齐· 美团

稀疏与延迟奖励的塑形与权衡

匹配追问：…中奖励设计踩坑的例子，以及如何解决 PPO训练中reward hacking的常见表现和防御手段场景切入假设现在训练一个对话 Agent，只有任务最终完成时才得到反馈。你会怎样增加可学习信号，同时避免中间奖励把策略带向错误目标？层层追问终局奖励为什么难做信用分配？……奖励塑形有哪些做法？……什么条件下潜势函数能保持最优策略？……怎样用独立成功率发现 reward hacking？直球技术请系统说明强化学习奖励设计中的稀疏性、延迟、多目标、奖励塑形、硬约束与抗投机验…

#奖励塑形#稀疏奖励#多目标优化

面试题·项目与经历· 京东

成就感经历 STAR 回答

匹配追问：…解决的如果重来一次，你会在哪些方面做得不同这个经历如何影响了你后续的技术决策或职业选择场景切入假设你带团队做一个大模型客服Agent，业务方只给三周，数据还特别脏，你会怎么应对？层层追问聊聊你做过最有成就感的一个项目吧……比如从背景到行动再到结果，哪个环节让你印象最深刻？直球架构请分享一个你最有成就感的经历，包括背景、角色、行动和结果，重点说你的技术决策和业务影响。

#行为面试#STAR法则#自我认知

面试题·RLHF与对齐· 美团

模拟器与 World Model 的偏差和迁移

匹配追问：…推理策略？对比Dreamer、MuZero、World Models等方法的异同和适用场景？场景切入假设要训练一个多步购物 Agent，又不能直接在真实用户流量上探索。你会怎样搭建模拟环境、生成交互轨迹，并逐步验证策略能否迁移到真实系统？层层追问 Environment-based training 的交互闭环是什么？……模拟环境能降低哪些成本？……环境偏差、奖励漏洞和探索效率会带来什么问题？……怎样用真实数据校准并设置灰度与回退？直球技术分析长序列 Agent …

#环境模拟训练#世界模型#Model-based RL

面试题·文档处理· 小鹏

RAG 分块长度与重叠如何取舍?

匹配口述回答：…块适合事实查询，长块适合推理总结重叠策略：缓解边界丢失，但增加冗余语义完整性：边界检测与主题分割落地风险与评估约2分钟用Agent动态决定分块策略，但实现复杂且影响延迟，目前只在离线场景尝试过。面试官可能会追问Agent决策的具体实现、离线场景如何评估效果、以及在线部署的延迟优化方案。

#小鹏#RAG 文档分段#检索增强生成分段策略

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配口述回答：…如果知识库本身混乱或检索策略粗糙，效果反而比纯模型更差。我更倾向先用混合检索加Rerank打好基础，再根据业务需求决定是否引入[[Agent]]或微调。一句话定位：RAG本质是给LLM开卷考减少幻觉：显式证据约束生成事实准确：可追溯+多源交叉上下文相关：动态适配+长尾覆盖落地风险与工程取舍约4分钟 RAG处理多跳推理吃力，可考虑Agentic RAG或ReAct框架让模型自主规划检索步骤。面试官可能会追问Agentic RAG的具体实现、与普通RAG的对比、以及…

#淘天#事实准确性#RAG 减少幻觉

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配口述回答：…需要考虑 Agentic RAG 或 Self-RAG，但延迟和稳定性是风险。面试官可能会追问多跳推理的具体实现方式、如何控制 Agent 的搜索次数、或者 Self-RAG 的训练细节。

#字节#RAG 全链路#RAG 技术链路

面试题·多模态· 淘天

截图组件功能怎么用 RAG 解释?

匹配口述回答：…逻辑也能通过知识库灵活注入，不用每次改个文案就重新微调模型。当然，如果界面非常复杂、组件间交互很多，RAG也扛不住，那就得结合[[Agent]]或者多步推理了。一句话定位：本质是让大模型看懂界面并解释功能视觉理解与组件解析：用检测模型加OCR提取元素多模态知识库构建：把组件截图和功能说明配对跨模态检索：两级检索，先全局再局部生成与落地：注意位置顺序、置信度过滤、知识库维护约4分钟知识库的更新频率和覆盖率是上线后的关键风险，需要自动化流程和置信度阈值兜底面试官可…

#淘天#多模态#多模态 RAG

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…决的是知识来源问题，但推理能力、上下文管理这些仍然需要模型本身的改进和工程上的精细调优。我更倾向根据业务场景，把RAG和微调、[[Agent]]这些方案组合起来用，而不是指望一个方案包打天下。本质是给大模型外挂知识库核心流程：检索+生成，关键在检索质量 RAG适合事实精度场景，纯模型适合创意场景落地风险：检索失败、上下文管理、多跳推理我的取舍：RAG是基础能力，不是银弹约4分钟 RAG在多跳推理场景容易断链，Self-RAG通过让模型自己决定是否检索和反思来缓解，但…

#淘天#阿里#RAG 架构

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配口述回答：…ve 基线可以暴露单路向量召回对精确实体的不足；如果 bad case 集中在订单号，就加入 BM25 或字段检索，而不是直接上 Agent；如果正确政策已经召回但版本排错，再引入时间过滤或重排；只有问题需要跨多个系统补信息时，才考虑受控工具链。每次只增加一个主要模块，才能看清收益来自哪里。生产中还要保存 query 变换、过滤条件、各路候选、融合名次、重排结果、最终上下文和引用。语料、embedding、索引、reranker、Prompt 与模型分别版本化，灰度时同时看…

#淘天#重排与优化#Naive RAG

面试题·检索· 字节

两阶段检索 vs 直接重排?

匹配口述回答：…果掉就调召回策略。另外还有一个有意思的点，就是召回和重排的边界其实可以灵活调整。比如在 [[Agentic RAG]] 里，[[Agent]] 可以动态决定是继续召回还是直接重排，甚至多次迭代。这个方向其实挺值得深入聊的。所以整体上，两阶段架构是个很务实的工程选择，核心就是在成本和精度之间找到平衡点。我更倾向把它看作一个可调节的 pipeline，而不是固定的套路，根据业务场景去调召回量和重排模型，才能落地得稳。本质是计算成本与精度的权衡召回阶段快速筛出候选集重排阶…

#字节#两阶段检索#RAG 重排序

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配口述回答：…它最适合知识库相对静态、答案有明确来源的场景，比如客服、合规、产品文档。如果知识库频繁变动，或者问题需要多步推理，那可能要上 [[Agent]] 或者 [[ReAct]] 方案。我更倾向把RAG当成一个基础模块，和微调、Agent组合使用，而不是孤立地看。一句话定位RAG本质索引阶段：切分与向量化查询阶段：检索与生成优化手段与边界落地风险与取舍约4分钟 RAG的召回质量高度依赖Embedding模型和切分策略的配合，需要领域适配或引入GraphRAG补足语义。面…

#字节#RAG系统实现#RAG 实现

面试题·检索· 美团

RAG 检索器与生成器如何协同？

匹配口述回答：…题：知识库如果一天一更新，用户问“今天有什么优惠”，模型还是拿昨天的政策回答。所以对于高频变化的数据，比如库存、价格，我会用 [[Agent]] 配合 [[Function Calling]] 实时查数据库，而不是走静态索引。还要看查询改写成本：用户 query 经常很短或者有歧义，比如“怎么退”，需要先让模型扩写成“退货流程是什么”，但这会多一次 LLM 调用，延迟和成本都要考虑。其实 [[Naive RAG]] 和 Advanced [[RAG]] 的核心区别不在于索引…

#美团#RAG架构#RAG 系统架构

RAG 技术实现怎么落地?

SFT 样本有答案，训练目标却可能被截掉

长视界任务怎么结合环境训练?

稀疏与延迟奖励的塑形与权衡

成就感经历 STAR 回答

模拟器与 World Model 的偏差和迁移

RAG 分块长度与重叠如何取舍?

RAG 怎么减少幻觉?

专业领域 RAG 链路怎么搭?

截图组件功能怎么用 RAG 解释?

RAG 核心架构与工作流程

Naive RAG vs Advanced RAG 区别?

两阶段检索 vs 直接重排?

RAG 系统实现：组件与流程

RAG 检索器与生成器如何协同？