匹配口述回答：…是三个指标怎么分别优化，而是广告系统里多目标冲突时怎么取舍和联动。CTR高了可能带来低质点击，CVR高了可能过滤掉潜在高价值用户，ROI高了可能牺牲规模。说白了，这是一个系统层面的平衡问题，不是单个模型能搞定的。我一般会从模型和策略两个层面来搭方案。模型层面，核心是多任务学习。因为CTR、CVR、ROI共享用户和广告的特征，但各自的优化目标不一样。我会用 MMoE 或者PLE这种结构，底层共享[[embedding]]，上层每个任务有自己的专家网络和门控。这样模型能学到通…

#哔哩哔哩#CTR/CVR/ROI多目标#CTR CVR ROI 冲突

面试题·评估· 美团

Agent 哪个方向最易落地?

匹配正文：…单用户年费$100-200即可支撑百亿市场竞争格局尚未垄断，Cursor、Windsurf等新产品仍有机会窗口三、成本效益：ROI可量化且正向边际成本递减：模型推理成本持续下降，代码生成token长度可控（vs长文档/多轮客服）人效提升可衡量：代码产出速度、Bug率、Review时长等均有明确指标失败成本低：代码建议用户可选择性采纳，不像客服/办公场景的错误有直接业务损失四、与其他方向对比方向核心障碍自动化办公企业数据孤岛、权限复杂、错误代价高电商客服…

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

#美团#评估与监控#Agent 商业落地

面试题·检索· AIlab

RAG 流程各环节优化陷阱

匹配正文：…分环节列举具体优化手段（分块策略、embedding模型、重排序、查询优化等）能区分不同优化手段的适用场景和收益体现对实际落地问题的理解（如多轮对话、长尾查询） RAG核心流程 1. 索引构建阶段文档解析（PDF/Word/网页等格式处理）文本分块（Chunking）向量化（Embedding）存储到向量数据库 2. 检索阶段查询向量化相似度检索（Top-K召回）可选：重排序（Rerank） 3. 生成阶段上下文拼接（Prompt构造） LLM生成回答各…

#AIlab#RAG链路优化#RAG 优化

面试题·检索· 快手

LLM怎么融入推荐系统？特征提取与召回

匹配正文：…Embedding→向量库推理成本高，需离线预计算生成式召回 LLM直接生成候选item ID或描述需微调适配ID空间，幻觉问题对话式交互用户query→LLM理解→扩展语义召回适合搜索推荐联动场景 3. 排序层（谨慎切入）重排序阶段：用LLM做精排后的多样性重排（MMR+语义去重）推荐理由生成：非排序本身，但提升CTR和用户体验直接打分：Prompt预测点击概率——仅适合冷启动或长尾，全量不经济关键挑战计算成本 vs 实时性解法：LLM特征离线预计算…

#快手#LLM推荐系统#LLM 推荐系统

面试题·模型训练· 美团

无标注数据怎么构建高质量数据集?

匹配正文：…别和难度抽一批试标样本，让多位标注者独立完成，再根据分歧修订定义和例子。指南既要有正例、反例，也要覆盖边界与升级规则。试标用于发现问题，不应直接假设达到某个准确率后就可以规模化。正式阶段会混入盲标gold set与重叠标注。gold样本由专家仲裁并与日常任务外观一致，用来发现漂移；重叠样本用于计算一致性和定位具体标签分歧。IAA不是越高越好的一维目标，低一致可能来自任务主观性、指南缺口或标注者训练不足，需要看混淆矩阵和分歧原因。模型预标在具体任务上可能提高效率，但也存在p…

#数据工程#数据标注#主动学习

面试题·多模态· 美团

弱多模态+强文本模型怎么协同?

匹配口述回答：…]] 文本、关键物体列表、位置框、表格结构、候选答案和置信度。然后把这些结果整理成结构化文本，传给纯文本 LLM。LLM 根据用户问题判断这些视觉证据够不够，如果够，就推理并生成答案；如果不够，它生成一个补充请求，比如“请放大右上角表格区域识别数字”或“请确认红色按钮上的文字”，再让 VLM 对 ROI 重新识别。路由上我会做分级。简单高置信任务，比如 OCR、物体识别、单图描述，可以直接由 VLM 快速回答；中等复杂任务，比如图文问答，让 VLM 输出结构化观察，LLM …

#美团#多模态#Agent

面试题·检索· 字节

RAG 系统怎么持续迭代?

匹配口述回答：…估闭环。先说检索，这是源头质量，如果检索回来的东西就不对，后面再怎么调也救不回来。这里有个关键前提：你不能指望单一检索方式解决所有问题。关键词召回比如 [[BM25]] 适合精确匹配，比如订单号、错误码这种；向量检索适合语义匹配，比如用户说“退款没到账”这种口语化表达。真正落地时我会做 [[Hybrid Search]]，把关键词和向量结合起来，再配合查询改写，比如用户说“退货”，我能自动扩展成“退货退款”“退货流程”，或者用 LLM 把模糊 query 转成更明确的意图。举…

#字节#RAG评估闭环#RAG 系统优化

面试题·检索· 字节

RAG架构：检索器与重排序策略

匹配正文：…eraction，Token级相似度，延迟与精度折中多任务Reranker：同时优化相关性、时效性、权威性提升效果的关键技术问题解决方案上下文过长截断检索结果摘要压缩、层次化检索（先章节后段落）多跳推理迭代检索（IRCoT）、知识图谱增强幻觉与归因检索结果显式引用、置信度阈值过滤冷启动/新文档增量索引、实时向量更新管道落地权衡延迟：按业务SLO分别测编码、检索、重排、TTFT与生成TPOT；完整回答时长受输出长度影响，不套统一500/100/400…

#字节#向量库与重排序#RAG 架构设计

面试题·项目与经历· 阿里

LLM 应用场景价值怎么分析?

匹配口述回答：…基线，测成功任务成本、人工接管、严重错误、延迟和业务结果。【90秒主答】客服场景的价值不是“自动回复得更多”，而是对低风险高频问题检索证据、起草答案和辅助坐席，让人工集中处理异常。要同时看答案正确、引用支持、一次解决、转人工、合规与用户满意度，若返工和投诉上升，表面自动化率没有意义。代码场景可做补全、测试生成、解释和重构建议，但必须经过编译、测试、静态分析和代码审查。GitHub 2022 年实验的 55% 是特定受控任务完成时间差异，不代表所有语言、仓库、资深程度和软件…

#大模型应用落地#商业价值分析#智能客服