匹配正文：…节；code索引置换后语义不变，说明编号本身没有人类含义。若希望code稳定表达音素或视觉部件，需要额外监督、归纳偏置或解释实验。生成模型还要考虑先验质量，重建很好不代表生成先验能覆盖code分布，反过来过强解码器也可能掩盖码本利用问题。工程验证训练时记录重建损失、感知指标、codebook perplexity、活跃code比例、每个code频次和量化误差，并可视化相同code对应的输入patch。扫码本大小、embedding维、下采样率和commitment权重，检…

#VQ-VAE#变分自编码器#离散隐空间

面试题·多模态· 小红书

主流生成式模型有哪些?

匹配标题与标签：主流生成式模型有哪些? GAN、VAE、Diffusion、Autoregressive 技术路线及应用场景多模态生成模型 GAN VAE Diffusion Autoregressive 图像生成 2026真题生成式模型多模态大模型小红书

#生成模型#GAN#VAE

面试题·模型训练· 百度

Flow Matching 线性目标速度

匹配标题与标签：…t velocity、等价式与 Gaussian path 边界模型训练 Flow Matching 扩散模型概率流速度场生成模型 2026真题 Flow Matching 线性目标速度 Conditional Flow Matching target velocity Gaussian Target Velocity Flow Matching 速度场大模型训练与微调百度

#Flow Matching#扩散模型#概率流

面试题·多模态· 百度

高噪 vs 低噪专家怎么划分?

匹配标题与标签：高噪 vs 低噪专家怎么划分? 扩散模型中专家网络按噪声水平划分的标准与动机多模态扩散模型 MoE 噪声调度信噪比生成模型 2026真题扩散模型专家网络高噪低噪专家划分噪声水平划分标准多模态大模型百度

#扩散模型#MoE#噪声调度

面试题·模型训练· 百度

重参数化技巧怎么解决梯度问题?

匹配标题与标签：…和扩散模型中 Reparameterization Trick 的原理与作用模型训练重参数化技巧 VAE 扩散模型梯度估计生成模型 2026真题 Reparameterization Trick VAE 梯度传播扩散模型训练大模型训练与微调百度

#重参数化技巧#VAE#扩散模型

面试题·模型架构· 百度

Flow Matching 原理是什么?

匹配题目：请详细解释Flow Matching的基本原理及其在生成模型中的应用机制。

#生成模型#连续归一化流#扩散模型

面试题·模型架构· 百度

VQ-VAE 损失与码本更新

匹配标题与标签：…Q-VAE 损失与码本更新 VQ-VAE 三类损失、梯度路径与 EMA 码本更新模型架构 VQ-VAE 向量量化离散表示学习生成模型变分自编码器 2026真题 VQ-VAE 损失与码本更新 VQ-VAE 损失函数如何训练码本 VQ-VAE 原理向量量化变分自编码器大模型架构与原理百度

#VQ-VAE#向量量化#离散表示学习

面试题·模型架构· 百度

DDPM vs Flow Matching: 建模与训练差异?

匹配标题与标签：DDPM vs Flow Matching: 建模与训练差异? 建模思路、训练方式、生成路径与数学形式对比模型架构生成模型扩散模型流匹配概率流ODE 生成式AI 2026真题 DDPM vs Flow Matching 扩散模型对比生成模型选型大模型架构与原理百度

#生成模型#扩散模型#流匹配

面试题·检索· 美团

RAG 检索器与知识库怎么搭?

匹配题目：请详细说明您在大模型项目中应用RAG（检索增强生成）的技术细节，包括检索器设计、知识库构建以及与生成模型的集成方式。

#美团#知识库构建#RAG 检索器设计

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配正文：…ce 打分混合检索：稠密向量 + BM25稀疏检索，RRF融合排序查询改写：HyDE（假设文档嵌入）、查询扩展提升召回 4. 生成模型集成上下文组装：检索结果按相关性排序，拼接为上下文 Prompt设计：基于以下参考信息回答问题。如果参考信息不足，请说明。 [参考文档1] ... [参考文档2] ... 问题：{query} 窗口管理：控制总长度，优先保留高相关性文档 5. 结果融合与优化引用溯源：让模型输出引用标记，验证答案来源置信度判断：检索分数阈值过滤，低置…

#高德#RAG结果融合#RAG 实现流程

项目实战·RAG

RAG 智能问答系统

匹配正文：…段制度先陈述适用范围，随后用「但以下情况除外」补充限制。固定长度切分可能把主句和否定条件分到不同 chunk，检索只命中前半段时，生成模型就可能给出相反结论。风险等级：P0。检查重点：切分不能只看长度；要用带否定条件的测试样本验证语义边界和引用完整性。阅读第 3 章：文档预处理与切分同义表达没有被召回教学风险演练:用户问题和文档使用不同说法，例如口语表达与制度术语不一致。只依赖关键词时可能漏召回；只依赖向量时也可能把语义相近但条件不同的内容混在一起。风险等级：P1…

#项目实战#RAG 智能问答系统

面试题·RAG

RAG 已经能搜 PDF，为什么视频不能直接入库？

匹配正文：…面文字、画面位置和二者的重叠时间。两份信息一致时，可以共同支持检索；出现数字、日期或条件冲突时，应把冲突标出来，保留原始片段，不让生成模型自行挑一个看起来合理的版本。是否对外回答，要结合资料管理规则和人工核验结果决定。这也解释了为什么画面 OCR 不能直接拼到字幕后面。拼接会让两种来源看起来像一段连续原文，冲突和归属都被隐藏。区分字段后，页面可以告诉用户某句话来自口播、某个数值来自画面，并分别回到对应时间和区域。面试官继续追问“怎样防止模型混淆两者”时，就可以回答：先在数据…

#RAG#解析与入库#视频 RAG

面试题·RAG

RAG 文档解析质量怎么评估？不能只看“解析成功”

匹配正文：…键词与向量召回、过滤条件、融合和重排。第四种情况，正确证据已经排在前面，模型仍然答错。这时才去看提示词、上下文组织、引用约束和生成模型。从最终错误反查解析链路先确认正确证据在哪一层消失，再决定检查解析、切分、检索还是生成。最终答案错误不能直接归因于大模型。这种分层有一个直接好处：修改目标变得清楚。如果正确单元格从未被还原，换 Rerank 没有意义。如果证据存在但总排在后面，继续调 OCR 也不会解决排序问题。指标应该怎样选？解析评测不需要堆满所有指标，但每个…

#RAG#解析与入库#RAG 文档解析评估

面试题·RAG

RAG Chunk 为什么不能只按固定字数切？

匹配正文：…找回的块是否带齐条件、表头或步骤顺序。第三层是生成代价：拼接后用了多少块、多少 Token，近重复是否挤占上下文。只看最终答案会把生成模型的猜测能力混进切分评估，也会掩盖“答案对了但证据残缺”的风险。上线前可以把两种方案并行写入隔离索引，用同一批脱敏问题回放。先比较离线结果，再对失败样本逐条看原文边界。确认新方案没有让重要类型退化后，才切换读取版本。这个流程不需要虚构一个普遍适用的提升比例，但能让面试官听到完整的验证闭环。用同一批问题选择 Chunk 参数固定检索与模型…

#RAG#切分与索引#RAG Chunk

面试题·RAG

Chunk Size 和 Overlap 怎么选？不要背 512 和 100

匹配正文：… 相同的向量索引类型与搜索参数；相同的 BM25 配置和召回路数；相同的候选数量、重排模型和最终 Top K；相同的提示词与生成模型，如果要评估最终回答。唯一改变的是切分配置。若必须同时比较“按段落切”和“固定长度切”，应该把它明确当成另一个实验维度，而不是把算法和参数混在同一张结果表里。第四步：建立可重跑的配置矩阵参数值应优先根据当前语料的长度分布和证据跨度来确定，而不是直接复制文章里的数值。实验程序读取一组配置，为每组配置重新切分、建索引、运行同一批查询并记录…

#RAG#切分与索引#Chunk Size

面试题·Agent

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

匹配正文：…c、证据和有限输出，不让它自由说“很好”。外部验证器例如单元测试、SQL 校验、Schema 验证、引用检查器。它们提供独立于生成模型的信号，通常比让模型自评更可靠。人工确认适合高风险、不可逆或价值判断明显的动作。人工看到的内容必须与真正执行的动作绑定，确认后仍做权限和状态校验。真实系统常把四种方式组合起来。代码先检查硬条件，外部验证器提供事实，模型判断开放质量，高风险结果交给人工。不要让同一个模型既执行、又定义标准、又给自己通过。错误该归到哪一层错误归因决定修…

#Agent#工具调用与安全#Agent 工具成功判断

面试题·RAG

Embedding 和 Rerank 模型怎么选？什么时候值得领域微调？

匹配正文：…g，要问“正确证据有没有进入前 K 个候选”；验收 Rerank，要问“在候选已经包含正确证据的前提下，它有没有把证据排到更适合生成模型使用的位置”；验收整条链路，还要问“最终提供给生成模型的上下文是否完整、互补，而不是重复堆叠”。如果不先拆开职责，常见的误判是：正确证据根本没召回，却把责任归给 Rerank；或者召回已经够好，只因为最终回答不准就不断更换 Embedding。面试官追问模型选型，本质上是在看你能不能把故障定位到正确的一层。本题不重复讨论“为什么 Re…

#RAG#检索与重排#Embedding 模型选型

面试题·RAG

RAG 检索效果差怎么排查？从 Query 到 Rerank 逐层定位

匹配正文：…型的原始上下文，而不是只保存候选 ID。如果正确证据已经完整进入上下文，模型仍然答错，再去看 Prompt、证据冲突、引用约束和生成模型。这时修改 Prompt 才有明确依据。从 Query 到最终上下文的证据流每一层都保存正确证据是否存在、名次怎样变化以及为何被过滤。最终答案只是证据流的最后结果。三类典型问题，排查入口有什么不同？下面均为教学示例。用户用口语，文档用正式术语先看原 Query 的 BM25 与向量候选。如果向量路线已经找到正确术语，检查融合…

#RAG#生成与对话#RAG 检索优化

面试题·RAG

资料里没有答案时，RAG 怎么避免强行生成？

匹配正文：…相加，很可能拼出一份从未存在过的流程。此时应先比较版本、适用范围和来源状态；无法确定哪条有效时，把冲突暴露给用户或转人工，而不是让生成模型自行“综合”。生成后还要做一次反向检查。把答案拆成可验证陈述，确认每条陈述引用的原文确实包含相同实体、条件与结论。模型写出证据没有提供的具体时限、金额或强制措辞时，即使整段回答主题正确，也应删除该句或退回重新生成。为了便于复盘，每次决策应保存所需事实槽位、采用证据、缺失项、冲突项、最终动作和规则版本。这样发生误拒绝时，可以区分是需求拆错…

#RAG#生成与对话#RAG 无答案检测

主流图像生成模型有哪些?

生成模型回答不准怎么调?

DDPM vs Flow Matching: 采样效率与优缺点?

DDPM 闭式采样为何无需展开前向链?

DDPM 为什么随机采样时间步?

VQ-VAE 码本塌缩治理

主流生成式模型有哪些?

Flow Matching 线性目标速度

高噪 vs 低噪专家怎么划分?

重参数化技巧怎么解决梯度问题?

Flow Matching 原理是什么?

VQ-VAE 损失与码本更新

DDPM vs Flow Matching: 建模与训练差异?

RAG 检索器与知识库怎么搭?

RAG 系统实现流程怎么搭?

RAG 智能问答系统

RAG 已经能搜 PDF，为什么视频不能直接入库？

RAG 文档解析质量怎么评估？不能只看“解析成功”

RAG Chunk 为什么不能只按固定字数切？

Chunk Size 和 Overlap 怎么选？不要背 512 和 100

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

Embedding 和 Rerank 模型怎么选？什么时候值得领域微调？

RAG 检索效果差怎么排查？从 Query 到 Rerank 逐层定位

资料里没有答案时，RAG 怎么避免强行生成？