匹配正文：…排除。召回阶段追求“正确表列在候选里”，但候选不能无限扩大。可以先按数据域和权限硬过滤，再语义召回和重排。阈值与候选数量需要根据评测集校准，不应在没有数据时给固定数字。找到表还不够，还要补齐 Join 路径用户问题常跨越事实表和维表。单独召回到订单、客户和地区表，不代表模型知道怎样连接。系统可以维护 Schema Graph：节点是表，边记录外键、候选连接键、基数关系、有效条件和方向。召回到目标表后，在图中寻找允许的最短或最可信连接路径，并补齐中间桥接表。连接信息要…

#Agent#工具调用与安全#Text2SQL Schema 选择

面试题·Agent

Text2SQL 生成的 SQL 敢直接执行吗？安全校验与执行边界怎么设计

匹配正文：…感列意外出现。写操作样本确认普通 Text2SQL 入口全部拒绝，独立动作工具的 Dry-run、审批、幂等和超时恢复可验证。评测报告按拒绝层和误拒绝分类。安全规则不能只追求“全拦”，合法高频查询也要可用。阈值和允许语法通过真实 Query 回放持续校准。 SQL 风险与处理方式矩阵语法、权限、资源、结果和副作用风险需要不同控制。常见的五个误区第一，Prompt 说只读就等于只读。真正只读靠 AST、账号和数据库策略。第二，屏蔽几个危险关键词就安全。SQL 方言和…

#Agent#工具调用与安全#Text2SQL SQL 安全

面试题·Agent

一次 Deep Research 到底花了多少钱，为什么只看总 Token 找不到成本黑洞？

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

匹配正文：…队，帮助理解使用；Chargeback 则进一步把费用分摊或结算。二者都依赖明确归属。共享缓存、自建 GPU、平台基础设施和公共评测任务不能随意全算给最后一个用户。可以先定义直接成本与共享成本。直接模型、工具调用按 task 归属，共享资源按可解释规则分摊，无法归属的部分单独列出。内部研究、失败重试和平台故障造成的浪费是否向用户计费，要有产品与财务规则，技术系统只提供证据。 Chargeback 前必须处理账单延迟与调整，不能用在线估算直接结算后不再校正。成本展示还要…

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

面试题·Agent

Agent 线上答错一次，怎样用 Trace 和 Replay 定位到底哪一步坏了

匹配正文：…变化，排障需要知道真正影响行为的是哪一层。迁移旧轨迹时不要伪造缺失字段。可以标记 unknown 或 unavailable，让评测排除无法公平比较的维度。把未知写成默认成功，会让历史回放产生虚假结论。事件时钟也要谨慎。并行节点的墙钟时间可能交错，因果关系主要靠 parent、依赖和 State 版本，而不是仅按日志时间排序。这套 Schema 是可观测协议，不是业务 State 的完整副本。只记录定位与回放所需信息，避免两套事实源长期漂移。 Replay 不等于原样重…

#Agent#多智能体与评估#Agent Trace 回放

面试题·Agent

LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？

匹配正文：…没有真实证据。这些行为都会让指标上升，但用户任务不一定变好。一旦评估分数进入训练、提示优化和发布决策，开发团队也可能无意中围绕评测集调参，形成 benchmark overfitting。 Goodhart 并不要求放弃指标，它提醒团队任何可见指标都会被适应，因此必须保留未被直接优化的外部证据。怎样识别模型正在刷 Judge？观察分数与硬事实指标是否背离。 Judge 总分上升，但主张证据、引用准确和人工通过不变，值得警惕。分析输出长度、引用数量、固定短语和 rub…

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

面试题·Agent

Agent 怎么评估才不只看最终答案？任务、执行轨迹与成本要分层验收

匹配正文：…ation 使用、失败恢复、停止条件和权限，不依赖隐藏思维文本；成本层记录模型 Token、调用次数、工具与执行资源、端到端时间。评测集覆盖正常、歧义、工具失败、冲突、权限和长任务，用规则、LLM Judge 与人工抽检组合评估。安全与关键事实设硬门禁，质量和成本看分层指标及 Pareto 权衡。每次版本固定配置、多次运行、按场景切片，并把 Badcase 回流到数据和系统修复。最重要的是让评估指出具体薄弱环节；一个好看的总分如果不能定位问题，就没有多少改进价值。 Agen…

#Agent#多智能体与评估#Agent 评估体系

面试题·多模态· 小红书

多模态大模型面临哪些挑战?

匹配正文：…R、区域短语、跨帧动作和专业图像需要更细的标注。合成描述可以扩量，也会继承教师模型幻觉。训练前要做许可、隐私、去重与细粒度抽检。评测必须按能力切片。空间与组合推理可用GQA类任务，场景文字可看TextVQA，视频则关注事件顺序、长时依赖和采样遗漏。每个基准也有数据偏差，因此还要保留真实业务失败样本。不能因为某个总分提高，就断言细粒度对齐或长链推理必然改善。 CoT可能帮助模型组织步骤，但生成的理由不一定由视觉证据支持；Agent可以调用OCR、检测器或搜索，RAG可以补外部…

#模态对齐#数据构建#推理一致性

面试题·模型训练· 海尔

LoRA 低秩分解 vs 全量微调怎么选?

匹配正文：…并非LoRA天然不适用，事实上许多生成和语言适配都能学习风格；是否适合要看基座是否已有相关能力、样本覆盖、是否还需新增知识以及质量评测。多适配器服务还要考虑合并、切换、组合冲突和基座版本绑定。工程验证落地先列出模型配置和所有target modules，用脚本逐层求和并与框架报告的trainable params核对。固定数据与token预算，比较r为8、16、32、64以及Q/V、全attention、attention加MLP等组合，统一看目标指标、通用回归、过拟合、…

#LoRA#参数高效微调#低秩分解

面试题·模型训练· 高德

参数量增长如何影响模型能力?

匹配正文：…为何便于优化有理论研究，但不能推出全局最优保证。工程验证规划规模时先固定总训练FLOPs、可用高质量token、目标推理预算和评测。做多个小规模点，拟合自身模型族的loss曲线，并检查不同数据混合下指数是否稳定。训练中记录loss、梯度、吞吐、通信和故障；评测按领域、时间、语言与安全分桶。再比较更大参数少token和较小参数多token，在同算力及同推理成本下的质量。只有本地曲线支持时，才用外部scaling law外推，而且要给置信区间和停止条件。规模外推还应考虑不可…

#缩放定律#过参数化#双下降现象

面试题·项目与经历· 商汤科技

项目局限性与改进方向

匹配正文：…带来更多噪声，但并不存在“召回和幻觉天然此消彼长”的定律。top-k、重排、上下文组织、模型能力和任务分布共同决定结果，必须用同一评测集做曲线。不得补写候选人的召回率、优化周期和涨点。一个有说服力的局限，来自可复现失败、根因证据和明确的风险边界。

#项目复盘#技术债务#系统优化

面试题·模型训练· OPPO

MSE 损失函数怎么用?

匹配正文：…值、平方误差与实际代价大致一致、异常值已处理或可接受。不能把“短期股价预测”列为无条件适用例子，金融序列还涉及非平稳、重尾、泄漏和评测协议。异常值较多可比较 MAE 或 Huber；噪声方差随输入变化可预测均值与方差并优化 Gaussian NLL；多峰目标可用分位数、混合密度或完整概率预测。选择应由验证集与业务代价决定。

#MSE#回归损失#损失函数

面试题·模型架构· 美团

MoE 怎么提升 Agent 能力?

匹配正文：…域校验交给有明确接口和权限的组件，也更容易做可观测、回退和人工审核。不能跨越的边界新工具接入通常需要schema、权限、数据和评测，不能概括成“给新专家做LoRA即可即插即用”。共享基座与不同专家不自动形成租户隐私隔离；隐私依赖访问控制、数据平面隔离、日志与部署边界。内部MoE路由和Agent的计划/工具选择可以组合，但优化目标、时间尺度和失败处理不同。选型时分别测内部MoE的质量、激活FLOPs、通信与延迟，以及编排层的路由准确率、工具成功率、回退率和安全隔离。 …

#MoE#Agent#动态路由

面试题·模型训练· 字节

Prompt vs Seq2Seq，怎么转？

匹配正文：…取语言和schema提示器，把实体、关系、事件与情感抽取统一成文本到结构生成。方法优劣依赖模型规模、标注量、标签语义、输出空间和评测。标签很少且名称有语义时，prompt可能充分利用预训练知识；标签任意、类别极多或边界严格时，判别头可能更稳。生成式抽取可复用一个模型处理多schema，却会出现漏字段、重复与非法结构。GPT-3的“有时达到竞争力”是数据集级结果，不是所有任务的保证。UIE应引用Lu等人的ACL 2022工作，公开材料显示其为中科院软件所与百度合作，不应随意归…

#Prompt工程#统一生成建模#判别式转生成式

面试题·模型架构· 字节

格式化输出 vs 思维链，怎么选？

匹配正文：…，不适用于temperature=0的单一路径；产品不应保存或展示模型的隐藏推理文本。不同论文的数字受模型、数据、示例数、解码和评测口径影响，不能跨设置直接排出通用胜负。普通分类先比较直接生成或verbalizer；只有任务存在可验证中间结果时再评估推理提示，并同时报告准确率、格式合法率、校准和推理成本。图解格式化输出 vs 思维链，怎么选？图解

#生成式建模#判别式任务转化#Prompt工程

面试题·多模态· 小红书

多模态大模型有哪些技术挑战?

匹配正文：…又会增加prefill成本。系统设计要在分辨率、帧数、上下文和延迟间做质量成本曲线，不能默认加更多视觉token就持续变好。我的评测会把感知、grounding、推理、生成和安全分开，加入模态冲突、缺失模态、分布外与拒答样本。上线时保留证据展示、权限隔离和人工升级，并持续收集可复现失败。只有证据一致率和目标任务质量同步改善，才能认为新的提示、对齐数据或模型结构真正解决了问题。

#多模态对齐#跨模态表示学习#数据工程

面试题·项目与经历· 美团

客服办公导购 Agent 选型

匹配正文：…险只读查询；再对少量可逆操作加入确认与回滚。每一级都设置权限、日志、监控和人工接管，验证通过才扩大范围，而不是一次追求自动解决。评测应报告正确解决率、证据支持率、人工接管、重复联系、延迟、单位会话成本和高风险错误，并与同时间窗人工流程对照。若某行业在这些指标上形成稳定收益，才可以说具备规模化条件。这个判断是有约束的商业路径，不是无来源市场预测。

#Agent#商业落地#技术成熟度

面试题·模型训练· 美团

合成数据怎么系统构建?

匹配正文：…自动消除隐私与许可风险。我会用相同训练预算比较真实数据基线、不同合成配比和过滤方案，在完全真实且未参与生成的held-out集上评测，并按错误类型人工抽检。若合成数据只提升类似模板而损伤真实长尾，就降低权重或停止。合成是扩展覆盖的工具，不是事实真值的来源。

#数据合成#Self-Instruct#指令微调

面试题·项目与经历· 百度

实习项目被追问哪些技术细节?

匹配正文：…否证明某个模块有效；失败方案是什么。训练与复现：框架版本、dtype、batch、学习率、随机种子、硬件、checkpoint、评测脚本和数值稳定性。系统与部署：预处理一致性、服务拓扑、TTFT/TPOT 或 P95、吞吐、峰值内存、量化和并行、监控、回滚与故障处理。若采用依赖校准的 PTQ，需要说明代表性校准集；动态量化、QAT、显式 Q-DQ 或预量化权重等路径则要说明 scale 来源及是否需要数据。任何量化结论都应报告具体方法、权重与激活位宽、目标硬件、实际 ke…

#实习项目深挖#技术细节追问#系统设计

面试题·推理优化· 字节

FAISS 怎么实现高效 ANN 搜索?

匹配正文：…相似度搜索与聚类实现，既支持 Flat 精确搜索，也支持多种近似最近邻索引。Flat 会计算查询与全部向量的距离，结果精确且可作为评测基线；当数据规模、维度或 QPS 超出预算时，再用 ANN 在召回率、延迟与内存之间取舍，不能笼统说精确搜索一定不可行。 IVF：减少候选比较 IVF 用聚类中心把向量分配到倒排列表。查询先找近邻中心，再只扫描 nprobe 个列表中的候选。增大 nprobe 往往提高召回但增加计算；实际复杂度受列表平衡、训练数据、向量分布和实现影响，不是固定…

#向量检索#近似最近邻搜索#量化压缩

面试题·模型训练· 字节

SFT vs 预训练:核心区别在哪?

匹配正文：…DPO；可选方法包括更好的示范与过程监督、检索或工具、拒绝采样、DPO、在线 RL 和规则约束，选择应由可执行任务、独立偏好与安全评测决定。DPO 也不能被笼统写成比 PPO 更不稳定。图解 SFT vs 预训练:核心区别在哪?图解

#监督微调#预训练对比#复读机问题

面试题·模型架构· 海尔

LayerNorm 如何控制激活尺度?

匹配正文：…e 或门控，再通过消融选择。不能说“强行 LN 必然丢信息”；归一化会改变尺度，而保留哪些信息取决于架构、affine 参数与任务评测。

#Layer Normalization#梯度稳定#训练收敛

面试题·模型训练· 得物

LoRA 微调效果差怎么排查?

匹配正文：LoRA效果不如预期时，我不会先把rank调大。先确认基线和评测：同一基础模型、prompt、数据切分和解码设置下，未微调模型表现如何，目标指标是否稳定，训练与验证是否近重复。标签噪声、样本过窄或评测不代表真实分布，都会让任何微调方案看起来失败。实现层要确认target modules确实命中模型层名，只有适配器参数可训练，梯度非零，保存和加载后输出一致。常见错误包括漏掉模块、误冻结、loss mask错误、adapter未启用、合并缩放不一致，以及量化模型在不合适dtyp…

#LoRA#参数高效微调#故障排查

面试题·模型训练· 得物

LoRA 有哪些局限性?

匹配正文：…高。多任务或持续学习还要看适配器隔离、共享和遗忘，而不是只比单个任务峰值。我的对照会固定基础模型、数据、token预算、优化器和评测，给每种方法明确可训练参数、target位置、峰值显存、吞吐和合并方式，并做rank与学习率搜索。结果同时看目标任务、通用回归和稳定性。选型依据是当前约束下的质量成本前沿，不是方法标签。

#LoRA#参数高效微调#Adapter

面试题·模型架构· 字节

Few-shot 推理为何有效?

匹配正文：…序和推理成本限制。错误标签有时仍可能保留格式或标签空间带来的部分收益，但错误映射通常会损害任务表现，不能概括成“标签无需正确”。评测应和zero-shot、正确示例、随机标签及相似度检索示例做对照。图解 Few-shot 推理为何有效?图解

#上下文学习#预训练目标#隐式梯度下降