LLM、VLM 与 Agent 面试题

题集来源:Datawhale(datawhalechina)收录项目:hello-agents查看原题集

题目目录

92 道原题
  1. 了解A2A框架吗?它和普通Agent框架的区别在哪,挑一个最关键的不同点说明。

    原题
  2. 你用过哪些Agent框架?选型是如何选的?你最终场景的评价指标是什么?

    原题
  3. 有微调过Agent能力吗?数据集如何收集?

    原题
  4. 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比,RAG 主要解决了什么问题?有哪些优势?

    原题
  5. 一个完整的 RAG 流水线包含哪些关键步骤?请从数据准备到最终生成,详细描述整个过程。

    原题
  6. 在构建知识库时,文本切块策略至关重要。你会如何选择合适的切块大小和重叠长度?这背后有什么权衡?

    原题
  7. 如何选择一个合适的嵌入模型?评估一个 Embedding 模型的好坏有哪些指标?

    原题
  8. 除了基础的向量检索,你还知道哪些可以提升 RAG 检索质量的技术?

    原题
  9. 请解释“Lost in the Middle”问题。它描述了 RAG 中的什么现象?有什么方法可以缓解这个问题?

    原题
  10. 如何全面地评估一个 RAG 系统的性能?请分别从检索和生成两个阶段提出评估指标。

    原题