搜索大模型内容

#Agent#记忆与存储#Agent 记忆写入机制

Agent 长期记忆什么时候写入？从候选提取到更新、冲突和遗忘的完整生命周期

讲清 Agent 长期记忆从候选提取、授权、去重、冲突到更新、过期、遗忘和删除的完整生命周期与工程验收。

面试题·模型架构· 字节

RMSNorm vs LayerNorm：训练效率怎么比?

LLaMA 系列为何倾向 RMSNorm?计算与内存效率对比

#LayerNorm#RMSNorm#归一化方法

大模型岗面试流程全解:每一轮考什么、怎么准备

RAG 检索效果差怎么排查？从 Query 到 Rerank 逐层定位

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

用同义词、否定问题和多跳问题三类 bad case，建立从入库证据到最终上下文的逐层排错方法。

#RAG#生成与对话#RAG 检索优化

#Deep Research#数据构造与训练#Deep Research SFT

首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？

基于 187 条样本、1 个 epoch 和 10 个用例的首次记录，拆解 Deep Research SFT 的格式、策略与答案能力边界。

#Agent#记忆与存储#Agent 记忆检索排序

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

拆解 Agent 记忆从权限过滤、混合召回到相关性、时间性、重要性重排的完整链路，并覆盖冲突、遗忘和评估。

面试题·模型架构· 海尔

Transformer 为何要归一化?

LayerNorm 的作用机制与在 Encoder/Decoder 中的位置

#Layer Normalization#残差连接#梯度消失

大模型岗位 JD 怎么读:招聘要求逐条拆解

资料里没有答案时，RAG 怎么避免强行生成？

从“最相近不等于相关”出发，讲清阈值、无答案测试集、Query 回退和拒答策略怎样共同控制幻觉。

#RAG#生成与对话#RAG 无答案检测

#Deep Research#数据构造与训练#Deep Research 工具选择

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

从首次训练偏 Search 的观察出发，讲清 Deep Research 工具选择偏置的条件分布、成对数据、归因与小批验证。

#Agent#记忆与存储#Agent 记忆存储设计

Agent 记忆数据怎么存？关系库、向量库、对象存储与 Schema 怎样设计

讲清 Agent Memory 的关系事实源、向量语义索引、对象工件和缓存分层，以及 Schema、双写一致性、权限与删除。

面试题·模型训练· 阿里

PyTorch 动态图怎么自动微分?

计算图构建、反向传播机制与训练优势解析

#动态计算图#自动微分#反向传播

项目深挖:面试官会怎么一层层追问你的项目

RAG 引用怎么做到可核验？为什么让模型自己标来源不够？

从 Prompt 引用、结构化来源映射到后处理归因，解释引用编号为什么会错，以及怎样验证每个回答事实确实被证据支持。

#RAG#生成与对话#RAG 引用溯源

#Deep Research#数据构造与训练#Deep Research 多阶段训练

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

拆解 Agentic CPT、SFT 冷启动与 GRPO 的目标、顺序、阶段门和适用边界，讲清 Deep Research 多阶段训练怎样落地。

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

从职责正交、上下文隔离、工具权限、独立评估、真实并行和通信成本，讲清单 Agent 与多 Agent 的选型方法。

面试题·RLHF与对齐· 美团

Agent 奖励如何对齐目标并防作弊?

从真实目标、硬约束、独立验证到 Reward Hacking 防护

#奖励工程#RLHF#稀疏奖励

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

多轮 RAG 如何理解“这个怎么申请”？

围绕多轮问答链路，拆解代词、省略和话题切换如何识别，独立 Query 如何生成与回退，并用连续追问、新话题和歧义样本验证。

#RAG#生成与对话#多轮 RAG

#Deep Research#数据构造与训练#Deep Research GRPO

GRPO 为什么同一道题要采样一组答案，组内相对优势到底怎么算？

从同题多轨迹、组均值与标准差出发，讲清 Deep Research GRPO 的相对优势、reward、动态采样和截断风险。

#Agent#多智能体与评估#多 Agent 编排模式

多 Agent 怎么编排？固定流水线和 Supervisor 监督模式怎么选

讲清多 Agent 固定 Pipeline、动态 Supervisor 与混合编排的选择，以及共享 State、交接、循环控制、失败恢复和评估。

面试题·RLHF与对齐· 美团

长视界任务怎么结合环境训练?

环境强化学习中的分层策略、课程学习、奖励塑形与记忆机制

#分层强化学习#课程学习#奖励塑形

大模型系统设计和编码环节怎么准备