RAG 面试题
LLM 的知识截止问题你怎么解决？
原题你说你做过 RAG 项目，能完整讲一下从用户提问到最终回答的链路吗？
原题向量检索和关键词检索有什么区别？
原题Embedding 的原理是什么？为什么语义相似的文本向量距离近？
原题你们项目用的什么向量数据库？为什么选它？
原题你已经用混合检索了，为什么还要 Rerank？检索结果不够好吗？
原题你们 Chunk 策略怎么设计的？chunk size 设的多少？为什么？
原题你们用的什么 Embedding 模型？为什么选它？和 OpenAI 的 ada-002 对比过吗？
原题RAG 检索到了正确信息，LLM 还是编造了不存在的内容，怎么办？
原题你了解 Agentic RAG 吗？它和普通 RAG 有什么区别？
原题你们的混合检索权重怎么调的？向量检索和 BM25 各占多少？
原题Top-K 设多少？设大了设小了各有什么问题？
原题如果用户的问题很模糊，检索效果差，怎么办？
原题RAG 系统的端到端延迟怎么优化？
原题文档更新了，向量索引怎么更新？
原题RAG 的 Token 成本怎么控制？
原题设计一个面向 10 万用户的 RAG 知识库系统，你会怎么设计？
原题RAG 是什么？为什么需要 RAG？
原题纯向量检索有什么问题？为什么要用混合检索？
原题RAG 和微调怎么选？
原题
暂无题目