真面经，好答案。面试之前，先来面栈。

Embedding 与向量表示

本分类共 13 个专题 · 493 道题

已筛选

共 23 道题

排序：

0370
如何为检索场景选择和使用 Embedding 模型？
RAG 与知识系统Embedding 与向量表示
比较选型已有答案
进阶
17 篇面经11 个题集来源
0586
Embedding 的本质是什么，各维度参数有什么含义？
RAG 与知识系统Embedding 与向量表示
原理机制已有答案
进阶
4 篇面经10 个题集来源
1713
Embedding 模型的原理是什么，如何训练？
RAG 与知识系统Embedding 与向量表示
原理机制
进阶
2 篇面经6 个题集来源
2498
RAG Embedding 模型不准确时如何优化？
RAG 与知识系统Embedding 与向量表示
故障排查
进阶
1 篇面经5 个题集来源
2918
文档向量化的具体流程是什么？
RAG 与知识系统Embedding 与向量表示
原理机制
基础
4 篇面经1 个题集来源
3401
余弦相似度与欧氏距离衡量文本相似性时各有什么优缺点？
RAG 与知识系统Embedding 与向量表示
比较选型
进阶
2 篇面经3 个题集来源
3643
如何确定 Embedding 维度，为什么选择 1024 维而非更高或更低？
RAG 与知识系统Embedding 与向量表示
比较选型
进阶
2 篇面经3 个题集来源
3398
稠密向量与稀疏向量有什么区别，分别适合哪些搜索需求？
RAG 与知识系统Embedding 与向量表示
比较选型
基础
2 篇面经2 个题集来源
5053
从零实现余弦相似度、点积和欧氏距离。
RAG 与知识系统Embedding 与向量表示
代码题
基础
暂无面经4 个题集来源
0602
为什么不采用轻量级大模型 Reranker？
RAG 与知识系统Embedding 与向量表示
比较选型
进阶
1 篇面经1 个题集来源