匹配口述回答：…遇到同义词，比如用户说“退货”，文档里写的是“退款申请”，它就可能匹配不上。反过来，[[Dense Retrieval]]，也就是向量检索，能理解语义相关性，“苹果”和“水果”它能关联起来，但对罕见词、专有名词很敏感，训练时没见过的词，向量表达就很差，容易失配。所以真正落地，我一般不会只用一种，而是混合用，把精确性和泛化能力结合起来。先说Sparse检索。它的核心是倒排索引加词频统计，BM25是典型代表。你搜一个词，它看这个词在文档里出现多少次，同时打压高频词，比如“的”、…

#美团#Hybrid Retrieval#混合检索

面试题·文档处理· 字节

RAG 长文档怎么切块?

匹配口述回答：…档结构要清晰。如果是一份没有标题、没有分段、格式混乱的[[OCR]]扫描件，语义切分效果会大打折扣。而且块大小不均匀，对后续的[[Embedding]]和检索延迟有影响。所以真正落地的时候，我倾向于把两者结合起来。一个很实用的做法是多粒度设计，也叫Parent-Child结构。较小块负责精准命中，较大父块负责补回生成上下文；两者的具体长度都作为候选变量，由文档结构、模型窗口和同一评测集决定。通过元数据把小块和大块关联起来，这样既保证了召回率，又给了模型足够的上下文。举个例子…

#字节#文档处理#RAG 文本切块

面试题·评估· 科大讯飞

RAG 解决了 LLM 哪些局限?

…频繁变动的场景，比如企业内部的SOP、产品手册、政策文档。真正落地的时候，我常常是RAG加微调一起用：用RAG保证事实准确性，用微调优化模型的表达风格和指令遵循能力。举个例子，客服退款场景。用户问“我买的手机降价了，能退差价吗？”模型需要知道当前公司的售后政策，是7天价保还是15天，具体怎么操作。这些政策可能每月调整，用RAG直接从最新的政策文档里检索相关条款，模型再据此生成回答。如果只靠微调，你每改一次政策就得重训一次，根本不现实。但RAG落地也有不少坑。前提是你的知识…

← 上一页第 4 / 4 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

匹配口述回答：

#科大讯飞#阿里#RAG 架构

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配口述回答：…默认索引可能性能不足，需要分库、缓存或改用更轻量的Faiss。面试官可能会追问大规模索引的优化策略，比如分片、缓存、HNSW参数调优，或者LlamaIndex与向量数据库的集成方案。

#阿里云#AI框架选型#LangChain vs LlamaIndex

面试题·RAG· 哔哩哔哩

CTR/CVR/ROI 冲突怎么协调?

匹配追问：…它们，而不是单独优化一个？直球架构广告投放系统中，CTR、CVR和ROI存在目标冲突。你会从模型和策略两个层面设计什么方案来协调优化？注意要讲清楚每个方案如何缓解冲突，不要只列方法名称。

#哔哩哔哩#CTR/CVR/ROI多目标#CTR CVR ROI 冲突