匹配正文：核心召回指标基础指标 Recall@k：前k个结果中包含正确答案的比例，最常用。RAG中通常关注Recall@5/10/20 Precision@k：前k个结果的精确率，适用于答案明确的场景 F1@k：Recall和Precision的调和平均排序质量指标 MRR（Mean Reciprocal Rank）：正确答案排名的倒数均值，关注"第一个正确答案出现的位置" NDCG@k：考虑相关度分级和位置折扣，适合有多个相关文档且重要性不同的场景 MAP（Mean Averag…

#抖音#Recall@k#RAG 召回评估

面试题·评估· 淘天

RAG编码模型评估指标与对比

匹配题目：请介绍检索增强生成（RAG）的整体流程；阐述你对编码模型（如DPR、Contriever）的理解，包括其工作原理、优缺点；并说明如何评估编码模型的检索能力。

#淘天#DPR 与 Contriever#RAG 编码模型评估

面试题·评估· 京东

RAG vs RLHF 幻觉治理

匹配正文：核心定位差异维度 RAG RLHF 作用环节推理时提供外部资料，也可训练检索/生成组件后训练时调整策略行为主要目标为回答提供可检索的证据与更新知识学习给定反馈中的帮助性、安全性或风格偏好技术本质信息检索 + 上下文增强策略优化 + 人类偏好对齐 RAG：用外部知识划定"能说什么" 机制：检索相关文档 → 组织上下文 → 生成并检查证据支持；提示不是硬解码约束。优势：可追溯资料并更新知识库；简单实现可复用现有模型而不重新训练，检索器/生成器也可以按任务训练。…

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

#京东#RAG 与 RLHF#RAG vs RLHF 幻觉治理

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…过速" 三、生成模型层（领域适配）基座选择：专业领域优先选已预训练模型（如Huatuo、LawGPT），或通用模型+领域SFT 检索增强生成：检索结果作为上下文注入Prompt 引用溯源：强制模型输出参考来源编号，支持可解释性安全机制：添加拒答策略（超纲问题、无可靠来源时），医疗场景必须设置"请咨询专业医师"风险提示四、评估机制（多维指标）维度指标方法检索质量 Recall@K、MRR 人工标注黄金文档集生成质量事实准确性（FactScore）、幻觉率领…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 字节

RAG 自动与人工评估

匹配题目：在检索增强生成（RAG）系统中，常用的评估指标有哪些？请分别说明自动评估指标和人工评估指标的类型及其适用场景。

#字节#评估与监控#RAG 自动与人工评估

面试题·评估· 京东

RAG向量数据库选型关键指标

匹配题目：在构建基于大模型的检索增强系统时，如何评估和选择合适的向量数据库？请从性能、可扩展性、支持的索引类型、查询延迟、与现有技术栈的集成等方面进行详细说明。

#京东#评估与监控#向量数据库选型

面试题·评估· 蚂蚁

RAG 检索与生成评估

匹配题目：在检索增强生成（RAG）系统的实际应用中，通常采用哪些评估指标和方法来评估系统性能？请从检索质量和生成质量两个维度进行说明。

#蚂蚁#评估与监控#RAG 检索与生成评估

面试题·评估· 美团

RAG 解决了哪些问题?

匹配题目：请阐述您对RAG（检索增强生成）技术的理解，并说明在您的大模型项目中，RAG技术解决了哪些具体问题以及带来的效果提升。

#美团#混合检索#RAG 技术

面试题·评估· OPPO

意图识别在 RAG 中怎么用?

匹配题目：在检索增强生成(RAG)系统中，意图识别模块承担什么关键作用？请阐述其在提升检索准确性和生成质量方面的重要性。

#OPPO#RAG 意图识别#RAG

面试题·评估

RAG 效果差怎么排查？

匹配题目：在检索增强生成（RAG）系统中，如果整体生成效果不佳，你会如何系统性地定位问题是出在检索模块还是生成模块？请说明具体的诊断步骤与评估指标。

#检索诊断#生成诊断#RAG 效果诊断

面试题·评估

RAG效果差：检索vs生成怎么诊断？

匹配题目：在使用检索增强生成（Retrieval-Augmented Generation, RAG）系统时，如果整体生成效果不佳，应该如何系统性地定位问题是出在检索模块、生成模块，还是两者之间的协同环节？请说明可能的诊断方法和关键指标。

#检索诊断#生成协同#RAG 效果诊断

面试题·评估· 百度

RAG 架构怎么工作?

匹配题目：请解释检索增强生成（RAG）的基本架构和工作流程，阐述其如何结合信息检索与语言生成能力，并讨论其在知识密集型任务中的优势以及可能存在的局限性。

#百度#评估与监控#RAG 架构

面试题·评估· 安克科技

Agent/RAG 评估指标与挑战

匹配题目：在构建Agent或RAG（检索增强生成）系统时，通常会采用哪些指标和方法来评估系统的性能？请说明评估的维度（如相关性、准确性、响应时间等）以及实际应用中的挑战。

#安克科技#评估与监控#Agent

面试题·评估· 安克科技

Agent/RAG 评估体系怎么搭?

匹配题目：请设计一套完整的评估体系来衡量一个智能Agent或RAG（检索增强生成）系统的性能，包括评估指标、测试方法及实际挑战。

#安克科技#Agent#Agent 评估体系

面试题·评估· 百度

MRR 在 RAG 中怎么定义?

匹配题目：在检索增强生成(RAG)系统中，平均倒数排名(MRR)是如何定义的？它在评估RAG系统性能时具有什么特殊意义？

#百度#评估与监控#MRR 定义

面试题·模型微调· 美团

RAG 为何比 SFT 更优?

匹配题目：为何要引入检索增强生成（RAG）方法？在哪些具体场景下，RAG相比仅使用监督微调（SFT）的大模型具有更优的表现？请结合知识更新、事实准确性和推理能力进行说明。

#美团#RAG vs SFT#RAG

面试题·模型微调· 百度

RAG 端到端工作流程

匹配正文：…Milvus/Faiss/Elasticsearch）在线查询：用户问题向量化 → 向量相似度检索 → 取Top-K相关文本块增强生成：将检索结果作为上下文，与问题一起输入LLM，生成最终回答核心优势对比维度纯生成模型 RAG 知识时效性训练数据截止，无法更新知识库实时更新，无需重训幻觉问题容易编造事实基于检索文档生成，可控可溯源成本全量微调昂贵只需更新知识库，零训练成本可解释性黑盒生成可展示引用来源，便于审计典型变体 Naive RAG：基…

#百度#RAG 端到端工作流程#RAG 从查询到答案怎么工作？完整流程与可靠性边界

面试题·模型微调· 字节

领域RAG应用链路怎么搭?

匹配题目：请系统性地描述如何为一个特定专业领域（如医疗、法律、金融等）搭建完整的RAG（检索增强生成）应用链路，包括数据准备、检索模块、生成模块和评估优化等关键环节。

#字节#领域 RAG#RAG应用搭建

面试题·模型微调· 字节

RAG 检索噪声 3 大策略

匹配正文：…升清洗低质量文档，添加领域-specific的元数据标签（时间、来源、类别）构造难负样本：训练时加入语义相近但答案错误的段落，增强判别能力检索优化层面查询侧改进查询改写（Query Rewriting）：用LLM扩展同义词、澄清指代消解 HyDE（假设文档嵌入）：生成伪答案后再检索，弥合查询-文档语义鸿沟检索策略混合检索：BM25关键词 + Dense向量双路召回，取长补短 Embedding微调：用领域数据对比学习，让向量空间更适配业务后处理层面重排序（R…

#字节#RAG 检索噪声#RAG 数据构建

面试题·模型微调· 字节

RAG 检索与生成流程详解

匹配题目：请阐述检索增强生成（RAG）的典型实现方式、技术架构以及主要应用场景

#字节#检索生成流程#RAG 实现

面试题·模型微调· 商汤科技

RAG 基本工作流程是什么?

匹配正文：答案要点明确RAG的核心动机：解决大模型知识截止和幻觉问题清晰描述"检索-增强-生成"三阶段流程说明向量检索的关键作用提及RAG相比微调的优势（成本低、数据更新灵活） RAG 核心思想用外部知识库"喂"给大模型，解决知识截止和幻觉两大痛点，无需重新训练模型。三阶段工作流程 1. 索引阶段（离线）文档切分：按语义/固定长度分块（chunk）向量化：用 Embedding 模型（如 BGE、M3E）转为稠密向量存储：写入向量数据库（Milvus、FAISS、El…

#商汤科技#RAG 工作流#RAG 工作流程

面试题·知识图谱· 字节

医疗法律 RAG 合规追溯

匹配题目：请详细阐述如何为医疗或法律等专业垂直领域构建一个完整的RAG（检索增强生成）系统链路，包括关键组件设计、领域知识处理、检索策略优化等核心环节。

#字节#医疗法律 RAG 合规追溯#医疗和法律 RAG 怎么做安全合规与证据追溯

面试题·知识图谱· 字节

RAG 技术原理和实现流程

匹配正文：答案要点能清晰区分RAG与微调的技术边界，说明何时选RAG 讲清楚"离线建库-在线检索-增强生成"的三阶段流程理解Embedding模型和向量数据库的核心作用知道RAG的典型痛点（检索不准、上下文过长）及优化方向能提及高级变体如GraphRAG、Self-RAG等 RAG核心定位 RAG = 检索(Retrieval) + 生成(Generation)，用外部知识库动态增强LLM，解决知识时效性和幻觉问题，无需重新训练模型。三阶段实现流程 1. 离线知识库构建文档…

#字节#检索生成流程#RAG 技术原理

面试题·多模态· 淘天

截图组件功能怎么用 RAG 解释?

匹配题目：当用户提供一个软件或网页界面的截图时，如何利用检索增强生成（RAG）技术，结合视觉理解与知识库，解释界面上各个组件的功能与用途？请描述整体流程与关键技术点。

#淘天#多模态#多模态 RAG