匹配追问：…T阶段学习率一般设多大，和预训练有什么区别 LoRA微调和全量微调在过拟合表现上有何差异如果验证集也拟合了但实际业务效果差，可能是什么问题场景切入假设现在 SFT 训练目标持续改善，但独立验证任务表现连续恶化。你会怎样确认这是过拟合而不是评测噪声、数据泄漏或管线变化？层层追问单个验证点反弹够吗？……训练与验证怎样去重和按来源分桶？……PPL 与 loss 是什么关系？……早停、数据治理和正则怎样做单变量对照？直球技术请说明 SFT 过拟合的训练/验证证据、切分与…

#过拟合识别#训练监控#正则化策略

面试题·项目与经历· 商汤科技

实习项目业务场景怎么讲?

匹配追问：如果业务目标没达成，你分析主要原因是什么如果让你重新做这个项目，技术方案会有什么不同这个方案推广到其他业务线的关键挑战是什么场景切入假设面试官只给你 90 秒复盘一段本人真实参与的实习项目。你会怎样说明业务流程、核心目标、个人职责和验证结果，让技术方案与实际问题对应起来？层层追问请选择一段真实实习经历……当时服务谁、原流程有什么问题？……你的职责边界是什么？……成功标准如何定义和验证？……还有哪些限制没有解决？直球技术描述一段真实实习项目的业务场景、核心目标、…

← 上一页第 7 / 7 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

#业务理解#需求分析#技术选型

面试题·推理优化· 快手

视频切帧怎么平衡效率与信息?

匹配追问：…信息？直球架构设计一个视频切帧模块，要求高效保留关键信息。你会用哪些技术手段？比如运动检测、关键帧提取、自适应采样，各自优缺点是什么？怎么选型？

#视频预处理#关键帧提取#运动检测

面试题·模型架构· 字节

Multi-Head Attention 维度变化

匹配追问：…和输出投影，并逐步标出形状。层层追问 Q、K、V 怎样从 [B,L,D] 变成 [B,H,L,D/H]？……QK 转置后分数矩阵是什么形状？……为什么除以 sqrt(d_k)？……mask 与整行遮蔽怎样处理？……最后为什么需要 out projection？直球技术手写多头注意力模块并解释所有维度变化，重点说明缩放控制点积方差、避免 softmax 饱和，而不是笼统归因于梯度消失。

#多头注意力#Transformer#注意力机制

面试题·Agent· 得物

Agent vs Workflow 怎么选?

匹配追问：…批流程，用哪个更合适？……那如果场景变成实时竞品价格监控，需要动态调用多个API，工作流还能胜任吗？……这时候Agent的核心优势是什么？直球架构请直接对比智能Agent和传统工作流的本质区别，说明在什么场景下必须引入Agent，并阐述Agent相比工作流的核心能力优势，比如规划、推理、工具使用、自适应等。

#得物#Agent#Agent vs Workflow

面试题·文档处理· 字节

文本块怎么转向量并建索引?

匹配追问：…型选型时，Sentence-BERT、BERT-based、SBERT-WK和OpenAI embeddings各自原理和适用场景是什么？向量数据库选FAISS、Pinecone、Weaviate还是Milvus，索引用HNSW还是IVF，性能优化策略和RAG场景下的选型依据是什么？

#字节#文档处理#向量检索

面试题·模型微调· 百度

Prompt Engineering 关键原则有哪些?

匹配追问：场景切入比如你现在要做一个电商客服，用户问“退货流程是什么”，你直接给个回答就完了。但如果你想让模型输出更准确，比如先设个角色“你是一位资深客服”，再给个例子，你会怎么做？层层追问你平时写prompt有什么心得？……如果模型回答不对，你会怎么调？……那如果有个复杂推理问题，比如数学题，光给例子不够怎么办？直球架构请你解释Prompt Engineering，并说明少样本学习、思维链、角色设定这几个技巧的原理和适用场景，最好结合具体例子。

#百度#模型微调#Prompt工程

面试题·Prompt· 百度

AI Agent 三大组件原理

匹配追问：…吗？直球架构请解释AI Agent的定义，并设计一个具备任务规划、工具调用和记忆能力的智能Agent。关键组件有哪些？实现思路是什么？比如如何避免死循环、怎么管理短期和长期记忆。

#百度#Agent#AI Agent 设计

面试题·检索· 字节

RAG 架构：检索到生成全链路

匹配追问：…给大模型？具体说说数据流转。直球架构详细描述一下 RAG 系统的实现架构，包括离线知识库构建和在线检索生成两个流程，各组件功能是什么，数据如何流转？

#字节#RAG组件设计#RAG 系统架构

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配追问：…假设你做一个客服知识库，用户问“怎么退货”，系统得从海量文档里找相关步骤。这个从查文档到生成答案的流程，你怎么设计？关键组件和顺序是什么？层层追问你想给大模型外挂知识库，一般流程是怎样的？……那文档怎么切分成块？……检索完怎么把内容和用户问题拼起来喂给大模型？……如果检索结果不相关，有什么优化手段？直球架构讲一下 RAG 的完整实现方案，从离线索引构建到在线查询生成，包括文档切分、向量化、检索策略、重排序、以及提示拼接这几个环节，你是怎么设计和落地的？

#字节#RAG系统实现#RAG 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：…先离线建索引，再在线跑检索加生成。先说离线索引。原始文档不能直接喂给模型，得先[[切块]]。切多大？我一般控制在256到512个token，太小上下文不够，太大噪声多。然后用 [[Embedding]] 模型转成稠密向量，存到 [[Vector Database]] 里，常用 [[Faiss]] 或 Milvus，建 [[HNSW]] 索引加速搜索。这里有个坑：chunk之间的重叠怎么处理？我会把零重叠、短窗口与较长窗口放进同一组实验，根据边界证据完整率、召回与成本选择。 …

#美团#RAG架构#RAG 系统架构