检索学习专题

检索学习资料：面试题、项目实战、系统教程。从实际问题进入，按自己的基础选择需要的内容。

共 132 条内容

按专题浏览 →当前分类：专题：检索清除分类条件

面试题检索· 网易

BM25+向量+Cross-Encoder 怎么组合?

检索系统架构设计，三种技术优势与融合策略详解

#网易有道#BM25向量Cross-Encoder#BM25 向量召回 Cross-Encoder

面试题检索· 小鹏

RAG检索优化：向量检索与重排序

向量检索、重排序、查询扩展三大策略详解

#小鹏#检索阶段优化#RAG 检索优化

面试题检索· OPPO

Context vs Prompt Engineering 区别?

大模型应用中目标、方法与场景的对比分析

#OPPO#Prompt工程#Context Engineering

面试题

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

检索

· 美团

RAG 检索器与生成器如何协同？

检索器与生成器协同流程,实现细节全解析

#美团#RAG架构#RAG 系统架构

面试题检索· 美团

RAG 系统有哪些常见陷阱?

从检索质量、上下文处理到生成效果,避坑指南

#美团#RAG常见陷阱#RAG 系统陷阱

面试题检索· 美团

推荐结果多样性怎么控制?

生成式推荐系统中避免重复与单调的 3 种技术方案

#美团#多样性控制#推荐多样性

面试题检索· 高德

RAG 系统实现流程怎么搭?

文档处理、向量化、检索与生成模型集成全解析

#高德#RAG结果融合#RAG 实现流程

面试题检索· 高德

语义检索向量数据库构建流程

文本预处理、Embedding 模型、索引与查询优化全解析

#高德#评估与监控#向量数据库构建

面试题检索· 字节

两阶段 vs 端到端怎么选?

先召回后精排与单次生成在检索系统中的适用场景与权衡

#字节#两阶段检索与端到端生成#两阶段检索

面试题检索· 360

RAG 召回准确性：三大失败场景

从检索模型、数据质量、重排序策略三方面评估优化

#360#召回质量评估#RAG 召回优化

面试题检索· 字节

RAG 为何需要重排序?

向量相似度召回局限,大模型重排必要性分析

#字节#向量召回与重排#RAG 重排序

面试题检索· 安克科技

向量数据库 vs 传统数据库怎么选？

RAG 系统中结构化与非结构化数据混合存储与检索方案

#安克科技#混合知识库存储#向量数据库

面试题检索· 百度

RAG 三阶段原理与失败场景

检索、增强、生成三阶段详解,含 Embedding 与 LLM 调用

#百度#RAG三阶段#RAG 工作流程

面试题检索· 美团

混合检索怎么提升 RAG 召回?

Sparse(BM25) vs Dense(向量检索)原理与相似度度量差异

#美团#混合检索#混合检索 Hybrid Retrieval

面试题检索· 字节

RAG Retriever 工作机制详解

输入输出、稀疏/稠密模型、向量数据库与索引结构

#字节#Retriever#RAG Retriever

面试题检索· 字节

Embedding 怎么实现语义召回?

RAG 中查询与文档向量化,余弦相似度计算及优化考量

#字节#向量语义召回#Embedding 语义召回

面试题检索· 美团

BM25 原理与 TF-IDF 改进点

词频饱和、长度归一化机制及核心公式参数详解

#美团#BM25#BM25 算法原理

面试题检索· 美团

混合检索为什么优于单一检索?

稀疏检索 vs 稠密检索:原理、相似度度量与适用场景对比

#美团#稀疏稠密检索#混合检索策略

面试题检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

RAG系统中三种检索方法原理对比,适用场景分析

#小红书#检索方法对比#BM25 向量检索混合检索

面试题检索· 哔哩哔哩

召回 vs 粗排怎么分工?

推荐系统两阶段定位、目标与协同设计

#哔哩哔哩#召回与粗排#召回与粗排区别

面试题检索· soul

召回阶段怎么选方法?

协同过滤、向量召回、图召回等对比,适用场景与优劣

#soul#多路召回#召回方法对比

面试题检索· 美团

BM25公式参数含义与TF-IDF对比

对比 TF-IDF 改进点,长度归一化与词频饱和度,在 RAG 中稀疏检索优势

#美团#BM25#BM25 算法原理

面试题检索· 阿里

RAG 召回又快又准靠什么?

检索效率、相关性提升与可扩展性策略详解

#阿里云#召回链路优化#RAG 召回优化

面试题检索· 阿里

RAG检索器与索引结构怎么选？

检索器、索引结构、查询重写三大方向技术详解

#阿里云#查询重写#RAG 召回优化