匹配正文：答案要点建立分层诊断流程（检索层→生成层→数据层）明确三类数据集（开发集、对抗测试集、线上回流数据）数据质量控制需覆盖采集、清洗、标注、持续监控全链路区分"检索不准"与"生成幻觉"两类根因给出可落地的迭代闭环机制诊断流程：三层定位法第一层：判断问题来源检索问题：召回文档不相关或排序靠后生成问题：检索准确但模型未正确利用（幻觉/忽略上下文）数据问题：知识库本身存在过时、矛盾或错误信息第二层：快速复现用固定query在开发集复现，确认是系统性问题还是cas…

#字节#RAG 上下文不准确#RAG 诊断

面试题·评估· 小鹏

RAG 失败场景诊断

匹配标题与标签：RAG 失败场景诊断 RAG 失败类型及其诊断指标，补充适用边界与工程取舍评估小鹏评估与监控 RAG 失败场景诊断 RAG 常见失败场景怎么诊断？召回、上下文与生成 RAG 评估指标 RAG 系统效果检索增强生成评估小鹏

#小鹏#评估与监控#RAG 失败场景诊断

面试题·评估

RAG效果差：检索vs生成怎么诊断？

匹配正文：答案要点区分检索失败与生成失败的诊断方法关键指标设计（召回率、相关性、忠实度、答案相关性）消融实验与人工分析的结合典型错误模式的识别（检索不准、生成幻觉、协同失效）核心诊断思路：分层定位，逐层验证 RAG故障排查的关键是隔离变量，把端到端问题拆解到具体模块。第一层：判断检索模块是否合格关键指标 Recall@K：正确答案是否在Top-K检索结果中（K通常取5或10） MRR/NDCG：排序质量，相关文档是否排在前面诊断方法人工抽检：随机采样bad case，…

第 1 / 3 页下一页 →

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

#检索诊断#生成协同#RAG 效果诊断

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

RAG 效果差怎么排查？

匹配题目：在检索增强生成（RAG）系统中，如果整体生成效果不佳，你会如何系统性地定位问题是出在检索模块还是生成模块？请说明具体的诊断步骤与评估指标。

#检索诊断#生成诊断#RAG 效果诊断

面试题·RAG· OPPO

推荐不精准怎么诊断?

匹配标题与标签：推荐不精准怎么诊断? 电商场景下通过用户行为分析发现推荐问题,常见诊断方法 RAG OPPO 推荐精度诊断推荐不精准诊断用户行为分析电商推荐系统 OPPO

#OPPO#推荐精度诊断#推荐不精准诊断

面试题·检索· 快手

RAG 延迟准确率根因

匹配标题与标签：RAG 延迟准确率根因只做延迟与准确率的分层根因定位，补充适用边界与工程取舍检索快手 RAG延迟与准确率 RAG 延迟准确率根因 RAG 延迟和准确率问题怎么定位？分层根因诊断 RAG 延迟 RAG 准确率 Agent 系统 RAG 快手

#快手#RAG延迟与准确率#RAG 延迟准确率根因

面试题·检索· 字节

RAG检索质量差：Embedding与Rerank调优

匹配标题与标签：RAG检索质量差：Embedding与Rerank调优大模型应用中 Embedding 与 Rerank 的调优策略检索字节检索故障诊断检索质量优化 Embedding 调优 Rerank 策略 RAG 上下文优化字节

#字节#检索故障诊断#检索质量优化

面试题·RAG

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

匹配正文：…ulness 关注答案中的事实能否由本轮检索证据支持。引用评估还要看引用的原文是否真的支持对应陈述，以及用户能否回到正确位置。 RAG 各层指标与问题定位矩阵检索指标回答“证据找得怎样”，生成指标回答“模型怎样使用证据”，二者不能混成一个总分。举个诊断思路。 Recall@K 下降时，可以检查解析、Chunk、Query、过滤和召回。Recall 正常而 MRR 下降，融合与重排更值得优先检查。正确证据已经排在前面，Faithfulness 却下降时，再看 Prompt…

#RAG#评测与上线#RAG 评测集

面试题·RAG

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

匹配正文：…识库版本不一致。优先核对证据质量、版本、必要证据清单和 Ground Truth，不要直接把责任推给生成模型。答案正确不等于 RAG 链路正确模型可能靠常识答对，也可能忠实复述错误证据；答案、证据和引用必须一起检查。为什么不能把所有指标压成一个总分综合分可以做版本看板，不能替代诊断。即使按业务风险加权，也要保留原始分项，并按事实题、多证据题、表格题、否定题和无答案题切片，避免平均值掩盖关键退化。离线指标还要和运行指标分开。Recall、MRR、Faithfulne…

#RAG#评测与上线#RAG 评估指标

面试题·RAG

一个可上线的 RAG 系统怎么拆？离线入库、在线问答和监控如何闭环？

匹配正文：…uery Embedding 或特定范围内的检索结果。缓存不是事实主存，清空后系统仍然要能正常工作。日志与追踪系统保存处理过程和诊断数据，但要控制敏感内容和访问权限。 RAG 各类数据的存储职责矩阵原文件、业务状态、检索内容、缓存和 Trace 的生命周期不同，不能因为都与 RAG 有关就放在同一套存储里。所有存储之间需要稳定 ID 关联。文档版本改变时，检索 Chunk、引用、缓存和评测样本才能知道自己对应哪一版资料。失败和降级应该怎样设计？系统投入运行时，失败不…

#RAG#评测与上线#RAG 系统设计

面试题·模型架构· 商汤科技

幻觉一致性延迟诊断

匹配口述回答：…en、逐token、吞吐、显存及失败率。最后建立离线回归集和线上灰度，按版本追踪质量、延迟和成本，保留快速回滚。这样三个问题各有诊断证据，也不会为了稳定格式而牺牲事实质量，或为了速度悄悄降低正确率。每种修复还应设反向指标：一致性优化不能让答案变得机械，检索增强不能降低召回隐私边界，量化不能超过质量损失阈值。只有主指标和护栏指标都通过，才允许扩大流量。先建立可复现基线拆解三种不一致按证据链治理幻觉澄清ROME与RAG边界按阶段优化延迟并回归约4分钟什么时候知识…

#幻觉问题#输出一致性#推理延迟

面试题·评估· 字节

RAG 评估指标与迭代陷阱

匹配正文：…域适配）、元数据过滤、上下文压缩领域知识密集、噪声文档多生成幻觉/利用不足引用强制（要求标注来源）、检索内容前置、Self-RAG（生成时判断是否需要检索）对事实性要求高的场景长上下文处理差分层检索（摘要→细节）、递归检索、信息去重合并需要多文档推理的复杂问题三、迭代实践建议先诊断后优化：用错误案例分析定位是检索失败还是生成失败建立回归测试集：覆盖高频Query和边界Case A/B验证：离线指标提升≠线上效果提升，需小流量验证学习建议建议系统学习该知…

#字节#评估与监控#RAG 评估

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配口述回答：…Multimodal]] 模型，比如 LayoutLM，把图文混排的内容抽成结构化文本，同时保留章节层级，比如病历里的主诉、检查、诊断这些段落。切分的时候不能按固定字数切，那样会把关键上下文切断。我会按语义边界来切，比如法律条文按条款切，医疗按一个完整病例段落切，保证每块信息自包含。另外，我会给每个块打上元数据，比如文档来源、发布时间、效力等级，因为临床指南和专家共识权重不一样。索引这块，我倾向双轨策略。稠密向量用领域微调的 [[Embedding]]，比如医疗用 PubM…

#字节#RAG 全链路#RAG 技术链路

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…书、判例库、法规条文、内部病历/卷宗（需脱敏）智能分块：按语义边界切分（章节、条款、病例段落），非固定长度医疗：保留"症状-诊断-治疗"完整上下文块法律：保持"事实-法条-判决"逻辑链知识增强：提取实体关系构建领域知识图谱，作为检索补充二、检索系统层（混合召回）单一向量检索不够，需多路融合检索方式适用场景实现稠密向量检索语义相似、同义表达领域微调Embedding（如MedCPT、法律BERT）稀疏关键词（BM25）精确术语、药品名、法条编号 E…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 百度

MRR 在 RAG 中怎么定义?

匹配正文：…所在排名；若评测截断范围内没有相关结果，该查询记为 0。排第 1、2、3 位时，倒数排名分别为 1、0.5 和约 0.33。在 RAG 中的意义 MRR 对首个有效证据能否尽早出现很敏感，适合评估只向生成器提供较少候选的排序链路。它只使用第一个相关结果的位置，不衡量后续相关证据是否齐全，也不能直接代表生成答案是否正确或忠实。多阶段检索应分别记录初召回和重排后的指标，并以最终送入模型的候选顺序作为端到端诊断依据。配套指标与阈值 MRR 应与 Recall@K、NDCG、…

#百度#评估与监控#MRR 定义

面试题·模型微调· 美团

RAG vs SFT 场景怎么选?

匹配正文：…模海量文档（TB级）高质量指令对（万级）响应形式需要引用来源需要风格/人格化延迟要求可接受百毫秒级检索极致低延迟 RAG更具优势的具体场景 1. 动态知识场景金融政策解读、医药说明书查询、客服知识库——知识每天更新，SFT追不上 2. 长尾专业领域法律条文检索、企业内部文档问答——训练数据稀缺，但文档库完整 3. 高可信要求的问答医疗诊断辅助、投资分析报告——必须给出参考依据，不能"脑补" 4. 多租户隔离场景 SaaS服务不同企业客户——各客户数据隔离…

#美团#模型微调#RAG vs SFT

面试题·模型微调· 字节

领域RAG应用链路怎么搭?

匹配口述回答：…LMLingua 去掉冗余句子，只保留核心证据，因为专业文档往往很长，模型上下文窗口有限。输出格式我倾向用 JSON 结构化，比如诊断、依据、置信度，方便下游系统解析。评估和迭代。自动化指标我用 [[RAGAS]] 测[[忠实度]]和答案相关性，检索侧看 Recall@K 和 MRR。但更关键的是领域专家抽审，比如医疗场景找执业医师打分，看答案有没有误导。 bad case 归因要区分是检索失败还是生成失败：如果召回没相关文档，那问题在检索；如果召回有但模型答错，那是生成问…

#字节#领域 RAG#RAG应用搭建

面试题·模型微调

RAG检索相关但生成差原因

匹配口述回答：…理想上下文，测试生成上限。如果上限还差，说明模型本身能力不够，需要微调；如果上限好，那优化提示和上下文工程空间还大。所以我会把[[RAG]]和微调看成互补，而不是二选一。比如企业SOP场景，文档更新频繁，RAG更灵活；但如果是垂直领域，比如法律合同，微调一个领域模型效果更好。真正落地常常是RAG加微调一起上。总结一下，遇到检索相关但生成差，我会先诊断是信息过载、碎片化还是歧义，然后从提示工程快速试，不行再动上下文建模和微调。关键是要有系统思维，不能单点修复。一句话点题：检…

#上下文压缩#生成调优#RAG 生成优化

面试题·知识图谱· 字节

医疗法律 RAG 合规追溯

匹配口述回答：…上收集错误案例，归因到是检索漏召、排序错位还是生成[[幻觉]]，然后针对性补数据或调策略。另外，当用户问“我该用什么药”这种涉及诊断的问题时，我倾向在系统层面设置边界：直接拒答，或者输出前置风险提示，并触发人工复核。这个边界怎么划、怎么落地，其实挺值得细聊的。所以整体上，我更愿意把垂直领域RAG看成一套“知识结构化+多路检索+强校验”的组合，而不是单纯的检索加生成流水线。本质是领域知识做结构化+多路召回知识处理：结构化/半结构化/非结构化分层检索策略：向量+关键词+…

#字节#医疗法律 RAG 合规追溯#医疗和法律 RAG 怎么做安全合规与证据追溯

面试题·知识图谱· 字节

GraphRAG原理 vs 传统RAG 怎么选?

匹配正文：…理能力单点匹配多跳关系推理、全局聚合上下文组织线性拼接结构化图遍历典型场景对比：问"公司A和公司B有什么关联？" 传统RAG：可能漏掉分散在多处的间接关系 GraphRAG：通过图遍历找到A→C→B的完整路径图结构数据的应用方法 1. 金融风控构建企业股权、担保、交易关系图识别隐性关联：多层股权穿透、担保圈 2. 医疗诊断症状-疾病-药物-禁忌的知识图谱支持"症状A+症状B→罕见病C"的推理 3. 供应链分析供应商-零部件-产品-客户的复杂网络评估单…

#字节#GraphRAG 原理#GraphRAG vs RAG

面试题·知识图谱· 百度

GraphRAG vs 传统 RAG 优势在哪?

匹配正文：…边 3. 上下文连贯性利用社区检测（如Leiden算法）识别主题簇生成阶段按图拓扑组织上下文：先全局摘要→再局部细节避免传统RAG的"信息孤岛"和重复矛盾 4. 复杂推理能力显式推理链：可追溯"为什么选这个答案" 支持聚合类查询："总结A领域三大趋势及其相互影响" 图结构本身作为CoT提示，引导模型逐步推理典型价值场景医疗诊断：症状→疾病→药物→禁忌的多跳约束法律分析：法条→案例→判决→适用条件的链条推理企业知识：组织架构、项目关联、决策影响的网络分析关键权…

#百度#知识图谱#GraphRAG 优势

面试题·知识图谱· 腾讯

GraphRAG适用场景 vs 传统RAG 有哪些?

匹配正文：核心差异传统RAG基于向量相似度，将知识压缩为稠密向量，擅长语义匹配但丢失显式关系；GraphRAG基于知识图谱，保留实体-关系-实体的结构化连接。更适合GraphRAG的场景场景原因复杂多跳问答如"某药物通过哪些靶点影响某疾病"，需跨文档追踪因果链关系密集型查询组织架构、供应链、社交网络等强关联场景可解释性要求高金融风控、医疗诊断需展示推理路径全局聚合分析如"总结某领域所有公司的合作关系"，需图遍历而非片段拼接动态演化知识时序关系、版本变更等需显…

#腾讯#知识图谱#GraphRAG vs RAG

RAG 上下文不准确怎么诊断?

RAG 失败场景诊断

RAG效果差：检索vs生成怎么诊断？

知识型与行为型错误诊断

RAG 效果差怎么排查？

推荐不准的分层诊断

推荐不精准怎么诊断?

RAG 延迟准确率根因

RAG检索质量差：Embedding与Rerank调优

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

一个可上线的 RAG 系统怎么拆？离线入库、在线问答和监控如何闭环？

幻觉一致性延迟诊断

RAG 评估指标与迭代陷阱

专业领域 RAG 链路怎么搭?

医疗法律RAG：评估陷阱

MRR 在 RAG 中怎么定义?

RAG vs SFT 场景怎么选?

领域RAG应用链路怎么搭?

RAG检索相关但生成差原因

医疗法律 RAG 合规追溯

GraphRAG原理 vs 传统RAG 怎么选?

GraphRAG vs 传统 RAG 优势在哪?

GraphRAG适用场景 vs 传统RAG 有哪些?