匹配口述回答：如果让我设计一个 [[RAG]] 系统，我会把它拆成五个模块：文档处理、索引与检索、[[重排序]]、生成集成，以及评估监控。每个模块都有自己的输入输出，不能只把它理解成“[[向量库]]加大模型”。文档处理是第一层，也经常是最容易被低估的一层。原始文档进来后，先做解析和清洗，比如 PDF、网页、表格、图片 [[OCR]]，各自的处理方式不一样。清洗完以后做[[分块]]，分块要结合文档结构，不能简单按 500 token 硬切。技术文档可以按标题层级切，客服 FAQ 可以一问一…

#美团#RAG工程实现#RAG 系统实现

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：…地风险：噪声敏感、时效性差、改写成本高判断取舍：先查后写，Retrieval比Generator更值得调约4分钟 Naive RAG和Advanced RAG的核心区别在于检索策略，比如Self-RAG让模型自己判断是否检索及迭代次数。面试官可能会追问Self-RAG的具体实现、迭代检索的终止条件、或者如何评估检索质量。

#美团#RAG架构#RAG 系统架构

面试题·检索· 阿里

RAG检索器与索引结构怎么选？

匹配口述回答：这道题问的是[[RAG]]系统里召回链路的优化，其实本质上是在问怎么在覆盖、效率和精准之间做平衡。我先说检索器选择。[[稠密检索]]比如 [[Embedding]] 模型，语义匹配强，但对罕见实体和精确匹配很弱；[[稀疏检索]]像 [[BM25]]，关键词匹配稳，可解释性强，但跨表述理解差。所以真正落地时，我倾向双路召回，把稠密和稀疏的结果用倒数排序融合或者学习权重合并，这样能互补。举个例子，客服退款场景里，用户问“怎么退运费”，BM25能精准匹配“运费”这个词，而稠密检索能…

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

#阿里云#查询重写#RAG 召回优化

面试题·检索· 百度

检索失败时 RAG 怎么兜底?

匹配口述回答：这道题其实是在问，当检索这个环节失灵了，系统怎么还能给出一个靠谱的答案。本质上是[[RAG]]系统的边界问题，就是知识库覆盖不到、或者检索质量差的时候，怎么保证不崩。先说清楚，检索失败不只是没结果。我一般会先区分两种：一种是零结果，[[向量库]]什么都没返回，这可能是[[embedding]]或者索引有问题；另一种是低质量结果，有东西但相似度不够，或者Top-K之间得分差距太大，这种其实更常见更麻烦。对零结果，我第一反应不是直接放弃，而是查一下是不是Query本身有问题。…

#百度#小鹏#美团

面试题·检索· 字节

RAG检索质量差：Embedding与Rerank调优

匹配口述回答：这道题其实是在问，当[[RAG]]的检索环节掉链子时，怎么系统性地定位和修复。我一般先定位失效环节，是召回不够、精度太差，还是排序没排好。比如召回问题，相关文档根本没进候选池，那可能是向量表示不够好或检索范围太小；精度问题就是噪声文档混进来了，需要过滤或[[重排]]；排序问题则是相关文档得分低，得改进重排模型或特征。具体到方案，我重点讲几个点。先说查询侧优化。用户query经常口语化、缺主语，我会用LLM做意图澄清，扩展同义词、补全主体。还有一个好用的技巧是HyDE，先用模…

#字节#检索故障诊断#检索质量优化

面试题·检索· 安克科技

RAG 向量匹配怎么高效实现?

匹配口述回答：…g 版本、维度、预处理与归一化方式，距离度量也要和模型训练目标一致。Flat 搜索能够给出真实近邻，虽然规模大时计算成本高，但它是评估近似索引召回损失的参照。数据量上来后可以比较 HNSW、IVF 和 PQ。HNSW 用多层导航图换低查询延迟与较高召回，代价是图结构内存和构建成本，M、efConstruction 与查询 ef 需要联合扫描。IVF 先聚类分桶，nlist 决定桶的粒度，nprobe 决定查询探测范围；IVF-PQ 再对子空间量化，能降低存储和内存带宽，但会…

#安克科技#ANN性能权衡#RAG 向量匹配

求职指南·RAG

PDF、表格、OCR 与文档解析项目模拟面试

匹配正文：适合写过 PDF、表格或 OCR 解析的人，重点练处理流程、质量评估、错误页面和失败兜底。教学示例：先换成自己的真实项目描述，再逐题练习。下面保留完整追问分支、检查重点与评分规则。项目描述示例负责【真实文档类型】解析链路，承担【解析或质量模块】，处理【真实规模与约束】。需要准备：文档类型与规模；个人负责模块；交付证据。通过【真实改动】改善【字段、表格或版面指标】，结果由【真实评测集】验证。需要准备：指标定义；评测集；基线与结果；失败样本。逐层练习 1. owne…

#模拟面试#简历项目#连续追问

面试题·评估· 百度

LLM 准确性提升四大路径

匹配标题与标签：LLM 准确性提升四大路径数据、训练、推理优化与外部增强四大路径可行性分析评估数据质量训练策略推理优化 RAG 模型对齐 2026真题 LLM 准确性提升大模型输出优化推理优化技术外部增强方法大模型评测百度

#数据质量#训练策略#推理优化

面试题·评估· 京东

NDCG 怎么计算?

匹配标题与标签：NDCG 怎么计算? DCG 与 IDCG 含义详解,推荐系统排序评估应用评估排序评估指标信息检索推荐系统 RAG评估相关性度量 2026真题 NDCG 计算公式 DCG 含义 IDCG 含义推荐系统评估排序指标大模型评测京东

#排序评估指标#信息检索#推荐系统

面试题·评估· 字节

召回策略怎么选? Recall@k 怎么看?

匹配正文：核心评估指标体系一、离线检索指标（选策略阶段）指标含义 RAG场景意义 Recall@k 前k个命中的相关文档数 / 全部黄金相关文档数检查证据覆盖；至少命中一份应另报Hit@k MRR (Mean Reciprocal Rank) 首个相关文档排名的倒数均值关注"多快能找到" NDCG@k 考虑位置加权的排序质量头部结果的相关性优先级 Precision@k 前k个结果中相关文档占比过滤噪声能力 Recall@k的特殊性：RAG与推荐系统不同——推荐可"猜对"…

#抖音#评估与监控#RAG 召回策略评估

面试题·评估· 美团

LLM 幻觉治理方法对比

匹配标题与标签：LLM 幻觉治理方法对比训练、RAG、解码和事实校验等 LLM 幻觉治理全景评估美团幻觉治理 LLM 幻觉治理方法对比 LLM 幻觉怎么治理？训练、RAG、解码与校验对比 LLM 幻觉缓解 RAG 幻觉解码策略美团

#美团#幻觉治理#LLM 幻觉治理方法对比

面试题·评估· 字节

BGE-M3 vs BM25 怎么选?

匹配题目：在RAG系统中，如何评估并选择BGE-M3向量检索与BM25关键词检索方案？请说明关键评估指标（如Recall@k、MRR、响应延迟）及其权重考量。

#抖音#BGE-M3 vs BM25#RAG 检索方案评估

面试题·评估· 京东

知识型与行为型错误诊断

匹配正文：…优先检索权威数据并给出处；工具选择、拒答和结构化输出可用监督、偏好优化或 RL；数学与代码等任务结合执行器或验证器；高风险问答将 RAG、工具验证、校准拒答和人工复核一起使用。评估拆分检索 Recall、证据忠实度、事实正确率、工具成功、拒答校准、奖励投机和端到端成功率。RAG 与 RL 是互补组件，不是互斥万能方案。图解知识型与行为型错误诊断图解

#京东#RAG 与强化学习#知识型与行为型错误诊断

面试题·评估· 百度

MRR vs NDCG vs Precision 怎么选?

匹配正文：…LLM综合多文档生成的复杂查询 Precision@K 前K个结果中相关的比例查准场景：衡量返回结果噪声，不保证黄金相关集覆盖 RAG系统中的选择逻辑 MRR：适合"找唯一正确答案"的RAG，如知识库问答、工具选择 NDCG：适合"需要多文档推理"的RAG，如报告生成、综合分析 Precision@K：衡量Top-K纯度；候选池是否覆盖相关文档需另看Recall@K或目标保留率。工程实践：组合报告Recall覆盖、Precision纯度及MRR/NDCG排序。只返回1份正…

#百度#MRR 计算方法#NDCG 与 Precision 区别

面试题·评估

RG 系统效果差怎么排查?

匹配标题与标签：RG 系统效果差怎么排查? 检索与生成模块的故障定位思路,协同环节诊断方法评估检索归因生成归因 RG 系统故障排查检索生成系统诊断 RAG 效果优化

#检索归因#生成归因#RG 系统故障排查

面试题·评估· 阿里

训练/推理/知识增强怎么选?

匹配正文：…理控制：要求基于证据并使用结构化输出；将计算交给代码、数据库和确定性工具。降低温度只减少采样随机性，不能修复错误知识。知识增强：RAG 提供可更新、可引用证据，并配合混合检索、重排、权限过滤和引用定位。检索错误、文档冲突、提示注入或模型忽略证据时仍会失败。后处理：拆分可验证声明，用权威数据源、规则、专用模型或人工复核。验证器也会出错，并增加延迟与成本。产品策略：展示证据和不确定性，允许澄清与“不知道”，按风险限制自动执行范围。评估应分别测检索命中、引用正确性、证据忠实…

#阿里#幻觉治理#大模型幻觉缓解

面试题·评估

检索准但生成差，怎么调优？

匹配正文：答案要点能够系统性地拆解RAG链路，提出可量化的诊断方法掌握检索模块的独立评估指标（Recall@K、MRR等）掌握生成模块的评估维度（忠实性、相关性、流畅性）给出至少3种针对性的生成优化策略能区分"检索准但生成差"的典型场景（如上下文利用不足、指令遵循弱）一、系统性诊断：定位问题模块核心原则：将RAG链路拆分为独立可测的环节，避免"黑盒调试"。 1. 检索模块独立评估离线指标：计算Recall@K、MRR、NDCG，对比Top-K检索结果与人工标注的相关文档…

#上下文压缩#生成调优#RAG 效果诊断

面试题·评估· 字节

知识库更新策略怎么选?

匹配标题与标签：知识库更新策略怎么选? RAG系统中实时性、一致性与检索准确性的平衡方案评估字节评估与监控 RAG 知识库更新知识库实时性 RAG 一致性检索准确性字节

#字节#评估与监控#RAG 知识库更新

面试题·模型微调· 百度

大模型准确性瓶颈在哪?

匹配标题与标签：大模型准确性瓶颈在哪? 从架构、数据、微调策略到RAG与校验机制模型微调百度评估与监控大模型准确性提升 LLM微调策略 RAG增强模型架构优化百度

#百度#评估与监控#大模型准确性提升

面试题·知识图谱· 淘天

GraphRAG 最大技术挑战?

匹配标题与标签：GraphRAG 最大技术挑战? 知识图谱与RAG结合中的难点及解决方案知识图谱淘天知识图谱评估与监控 GraphRAG 挑战知识图谱 RAG GraphRAG 难点淘天

#淘天#知识图谱#评估与监控

学习路线·学习路线

大模型应用开发学习路线

匹配正文：…开发”，实际工作重心可能完全不同。 JD 经常出现的任务建议主线你要优先证明什么企业知识库、检索问答、文档处理、搜索与推荐 RAG 解析、切分、召回、重排、引用、评测和上线约束工具调用、业务自动化、工作流、记忆、多智能体 Agent 状态、工具契约、停止条件、幂等、安全和可观测长任务调研、多源证据、报告生成、Agent 训练与评估 Deep Research 任务拆解、证据校验、长任务恢复、成本和评估治理如果 JD 同时写了知识库、Agent 和评测，也不代表你要…

#学习路线#RAG#Agent

求职指南·RAG

混合检索、RRF 与重排项目模拟面试

匹配正文：…ng → metrics-proof。下一步：failure。配套学习：召回策略怎么选? Recall@k 怎么看?、多路召回评估指标与RAG场景。 6. metrics · metrics-proof 请把同一 query 集上的单路召回、融合与重排结果并排列出，并说明各模块去除后的变化；没有对照记录时不要归因到某个组件。考察重点：二次核验缺失的指标证据；仍无法提供时，在复盘中标记为“只有知识，没有项目事实”。 Recall@k、MRR、NDCG 与端到端答案指标的公…

#模拟面试#简历项目#连续追问

系统教程·检索

重排与检索优化面试题大全

匹配正文：RAG 做不好，大多数问题出在召回和排序。面试官会追问为什么加重排、怎么权衡延迟、怎么构造训练数据、怎么评估召回和排序质量。这一页集中整理检索优化链路。配套教程 RAG 教程第 6 章：Rerank 重排怎么选型和提速 RAG 教程第 5 章：混合检索与召回策略知识模块重排模型、排序指标与召回优化重排模型、排序指标与召回优化常见问题 Rerank 为什么是 RAG 面试高频题？因为它直接影响最终上下文质量。面试官会看你能否解释粗召回和精排的分工、Cross-Enc…

#专题学习#重排与检索优化面试题大全

系统教程·检索

向量检索面试题大全

匹配正文：向量检索是 RAG 的底座。真正的面试追问会从“怎么存向量”一路问到“怎么分块、怎么建索引、怎么评估召回、为什么这条没有召回”。这页把检索底层问题串起来。配套教程 RAG 教程第 4 章：Embedding 选型与向量库索引 RAG 教程第 3 章：文档分块与解析流水线知识模块 Embedding、向量数据库与 ANN 索引 Embedding、向量数据库与 ANN 索引文档解析、Chunking 与元数据文档解析、Chunking 与元数据常见问题向量检索面试怎…

#专题学习#向量检索面试题大全