RAG · ALL
RAG 检索增强 · 全部题目
共 591 篇，本页第 433-480 篇。← 回到学习路径视图
No.2315多模态 RAG 怎么设计检索链路面试官想看你是否理解多模态RAG不是简单“文本RAG+图片”，而是涉及异构数据对齐、检索策略取舍和生成瓶颈的系统设计题。…→No.2316存储向量数据库的时候，遇到图片和表格有哪些处理方法？他们的优势和劣势有哪些面试官想考察你对多模态 RAG 系统的工程落地能力，而非单纯背概念。刁钻点在于：图片和表格在向量数据库中的存储不是“存进…→No.2317当Agent拥有众多工具时，如何设计一个高效且准确的工具选择策略？是每次将所有工具描述都推给模型（存在上下文窗口限制和干扰），还是采用分层过滤、基于检索的预选择机制？请详细说明你的设计方案面试官想看你能否跳出“全量推给模型”的 naive 方案，在工具数量从 10 增长到 100+ 时，设计一个兼顾准确率、…→No.2318当知识库内容非常长（几十万字）、主题密集，你会如何优化 chunk 策略和检索逻辑，使模型能回答跨章节的复杂问题面试官想考察你在长文档RAG中的工程落地能力，而非单纯背概念。刁钻点在于：几十万字、主题密集的文档（如技术手册、法律合同…→No.2319缓存加在哪一层？命中率多少？缓存没命中的请求呢？Embedding 调用、向量检索、LLM 生成，你知道时间分别花在哪吗面试官想考察你对 RAG 系统性能瓶颈的工程直觉，而非单纯背缓存概念。刁钻点在于：缓存不是一层，而是多层，且每层的命中率…→No.2320讲讲你用的向量数据库？数据量级是多大？性能如何？遇到过性能瓶颈吗面试官想验证你是否有真实、大规模的向量数据库实战经验，而非停留在 Demo 或概念层面。考察类型是工程取舍 + 系统设计…→No.2321设计Agent+RAG系统需考虑哪些核心因素面试官想看你能否跳出“搭积木”的思维，从系统设计层面权衡Agent+RAG的耦合关系。这不是考你RAG流程（检索-生成）…→No.2322问题：RAG系统响应时间怎么从2s优化到300ms的面试官想看你是否真正动手优化过RAG系统，而非只懂概念。考察类型是工程取舍+系统设计，刁钻点在于：2s到300ms是6倍…→No.2323问题：如何融合文本、图像、表格的检索结果面试官想考察你在多模态RAG场景下的工程落地能力，而非单纯背诵论文。核心看三点：一是能否跳出“文本检索”的惯性，设计出可…→No.2325📌 Q37: How does the chunking strategy differ when dealing with structured documents (like PDFs with tables and figures) versus plain text documents面试官想考察你处理真实RAG场景中“非理想输入”的能力，而非背诵分块算法。核心是区分“纯文本”和“结构化文档”在信息密度…→No.2327📌 Q4: What are effective strategies to reduce latency in RAG systems面试官想看你能否从系统架构和算法两个维度，端到端地诊断并优化RAG延迟，而非只背概念。刁钻点在于：多数人只提“用ANN索…→No.2328📌 Q58: What advantages does quantization offer over dimensionality reduction for scaling embeddings面试官想考察你对两种主流向量压缩技术——量化（Quantization）与降维（Dimensionality Reduc…→No.2329📌 Q67: Describe a scenario where a BM25 retrieval might return relevant chunks but in poor ranking order. How would a neural re-ranker specifically address this limitation面试官想考察你对经典检索（BM25）与神经排序（Neural Re-ranker）互补性的深度理解，而非简单背诵概念。刁…→No.2330📌 Q99: A RAG system has high context precision but low faithfulness. How would you address this面试官想看你能否从“检索好但生成差”的端到端矛盾中，精准定位根因并给出可落地的修复方案。这不是背概念题，而是工程调试 +…→No.24Milvus vs FAISS vs PGVector：向量库怎么选FAISS 是库、PGVector 是插件、Milvus 是独立服务。这篇给三者从原型到亿级的阶段化选型表与「迁移成本在…→No.25RAG 检索真题 · 文本检索的指标了解哪些真题完整解析：面试官想看你是否真正理解检索评估体系，而非死记硬背指标公式。考察类型是工程取舍 + 系统设计，刁钻点在于：…→No.2520What role does cosine similarity play in relevant chunk retrieval within a RAG pipeline面试官想验证你对RAG检索阶段的核心机制是否理解到位，而非单纯背诵余弦相似度公式。考察类型是工程取舍+系统设计，刁钻点在…→No.2528Embedding 有哪几种算法你了解过吗面试官想考察你对 Embedding 技术发展脉络的广度与深度，而非简单罗列算法名称。这是典型的“概念+工程取舍”题，刁…→No.2530它和 RAG 里的 embedding 有什么异同面试官想看你能否穿透“embedding”这个泛化术语，区分LLM内部用于生成语义的隐状态与RAG中用于检索的向量表示。…→No.2533Embedding 模型应该怎么选面试官想考察你对 Embedding 模型选型的系统决策能力，而非单纯背诵模型名字。这是典型的工程取舍+系统设计题，刁钻…→No.2537为何在获取输入词向量之后需要对矩阵乘以embedding size的开方？意义是什么面试官想考察你对 Transformer 初始化细节的深层理解，而非简单背诵。这属于数值稳定性 + 工程取舍类型。刁钻点…→No.2541Prompt自动推荐模块用了哪些优化策略?有没有尝试过Prompt压缩或embedding表示的方式面试官想考察你对 Prompt 工程自动化的深度理解，而非仅停留在手动调优。核心是：你是否掌握在系统层面动态优化 Pro…→No.2542How can fine-tuning embedding models improve the retriever’s performance in RAG面试官想考察你是否理解 embedding 模型在 RAG 中的核心瓶颈：通用 embedding（如 OpenAI a…→No.2543What is the role of embedding models in RAG systems面试官想考察你对 RAG 系统核心组件的深度理解，而非简单背诵“嵌入模型做语义搜索”。刁钻点在于：你是否清楚嵌入模型在 …→No.2560Memory和传统Rag的关系是什么面试官想看你是否真正理解RAG和Memory在Agent系统中的本质区别，而非仅仅背诵概念。这道题是典型的“系统设计+概…→No.2567Agent Memory与RAG（检索增强生成）有何异同？为什么不能简单等同面试官想看你是否真正理解RAG和Agent Memory的本质差异，而非停留在“都检索外部知识”的表面。这是系统设计+工…→No.2568Factual Memory在个性化Agent和知识库Agent中的具体应用案例面试官想考察你能否区分“个性化”与“知识库”两类场景下Factual Memory的存储、检索与更新策略差异。这不是背概…→No.2574RAG 检索优化策略有哪些面试官想考察你能否从“系统瓶颈”而非“技术堆砌”角度拆解RAG检索优化。这不是背概念题，而是工程取舍+系统设计题。刁钻点…→No.2582Metadata Filter 在检索阶段怎么用面试官想看你是否真正理解元数据过滤在RAG检索中的工程落地细节，而非仅停留在“加个filter”的概念层面。这是典型的系…→No.2583为什么很多企业 RAG 效果差，本质上是 Metadata 设计不完整面试官想看你是否理解 RAG 系统“检索即服务”的工程本质，而非仅停留在 embedding 和向量搜索的炫技层面。这道…→No.2588什么类型的问题更适合用 BM25面试官想看你是否真正理解BM25的算法本质，而非只会背公式。考察类型是“工程取舍+系统设计”，刁钻点在于：很多人以为BM…→No.2591召回率高为什么不代表用户体验一定好面试官想看你是否理解“指标不等于体验”这一核心工程认知。这不是背概念题，而是系统设计 + 工程取舍题。刁钻点在于：候选人…→No.26RAG 检索真题 · 对于Qwen3模型中的embedding模型和Reranker模型，你有哪些了解？请分别介绍它们的结构特点、训练方式以及在相关任务中的表现真题完整解析：面试官想看你是否真正理解RAG流水线中检索与重排序的“分工”与“取舍”，而非仅背诵概念。考察类型是系统设计…→No.2603相似度高不等于答案就一定对，为什么面试官想考察你是否理解 RAG 系统中“检索相关性”与“生成事实性”之间的根本鸿沟。这不是背概念题，而是工程取舍 + 系…→No.2609RAG的完整流程，构建向量检索库时如何处理时间衰减对召回的影响面试官想考察你是否理解RAG不仅是“向量检索+LLM”的简单拼接，而是能处理真实业务中时间敏感数据的工程问题。核心刁钻点…→No.2612Agent与RAG的常见结合模式有哪些面试官想考察你对 Agent 与 RAG 集成模式的系统性认知，而非简单背诵概念。这是系统设计 + 工程取舍型题目，刁钻…→No.2614How is an embedding model used in the context of LLM applications面试官想考察你是否真正理解 embedding 模型在 LLM 应用中的工程集成方式，而非仅背诵“把文本转成向量”的定义…→No.2623RAG中知识库搭建，对知识库的文件文档进行动态增量更新，怎么来避免新旧文档的分布不一致导致的检索偏差问题面试官想考察你对RAG系统整条链路中“数据分布漂移”这一隐蔽但致命问题的理解深度。这不是简单的“如何更新索引”，而是要求…→No.2624RAG如果有噪声怎么办面试官想考察你对RAG系统噪声问题的系统性认知，而非单一技巧。这是P1进阶题，刁钻点在于：噪声不是孤立问题，而是贯穿检索…→No.2625在RAG里的「召回-过滤-生成「三段式 pipeline能细讲一下吗面试官想看你是否真正理解RAG pipeline的工程落地细节，而非背诵“检索-增强-生成”的教科书定义。考察类型是系统…→No.2628**GraphRAG vs Naive RAG 的理论分析面试官想看的不是“GraphRAG 好，Naive RAG 差”这种二元结论，而是你能否从检索粒度、信息密度、推理路径、…→No.2631项目深挖：为什么引入 RAG?在什么场景下 RAG 比纯 SFT 更有效面试官想考察你对 RAG 和 SFT 本质差异的理解，而非简单背诵定义。这是典型的“技术选型”题，核心是判断你是否能根据…→No.2633项目深挖：你觉得当前RAG的最大瓶颈在哪?你做过哪些改进来提升Recall面试官想看的不是“RAG 有幻觉”这种泛泛之谈，而是你对系统瓶颈的工程级洞察。这道题属于系统设计 + 工程取舍类型，刁钻…→No.2634项目深挖：你在项目里有没有做过 RAG 里的「召回-过滤-生成「三段式 pipeline?能不能细讲一下这道题考察的是你对 RAG 系统整条链路的工程落地能力，而非仅背诵概念。面试官想看你是否真正踩过坑，知道每个环节的取舍点…→No.2636密集检索和稀疏检索的优缺点分别是什么？为什么 Hybrid Search 通常效果更好面试官想看你是否真正理解检索范式的本质差异，而非死记硬背。考察类型是工程取舍 + 系统设计。刁钻点在于：很多人只会说“密…→No.2641向量检索 vs 关键词检索面试官想看你是否真正理解检索系统在RAG中的核心地位，而非只会调库。考察类型是工程取舍+系统设计。刁钻点在于：很多人只会…→No.2643Is RAG still relevant in the era of long context LLMs这道题是典型的系统设计 + 工程取舍类问题，面试官想看你能否跳出“RAG vs 长上下文”的二元对立，理解两者在成本、延…→No.2644What are the fundamental challenges of RAG systems面试官想看你是否真正动手搭过 RAG，而非只背过“检索+生成”的概念。考察类型是系统设计 + 工程取舍。刁钻点在于：很多…→