返回全部题目← 上一题34 / 36下一题 →题库/RAG 与知识系统/Q-4765多模态 RAG 如何融合文本、图像和表格的检索结果？知识专题：混合检索与重排序题目类型：方案设计技术难度：深入收录题集：4 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集4 份算法岗专项面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →多模态 RAG 的检索融合算法RAG与知识库阿东玩 AI · AgentGuide · 1 条原题查看题集 →【多模态RAG架构】针对企业级的多模态检索增强生成（RAG）系统，当底层图文向量数据库达到百亿级别时，如何设计高效的稠密向量召回与多模态重排（Rerank）的两阶段协同架构，以达到召回率与计算延迟的极致平衡？ 「腾讯」多模态与计算机视觉阿东玩 AI · AgentGuide · 1 条原题查看题集 →【多模态排序】现在有一个query，排序时如何判断应该把图片排在首位，还是把文本排在首位？ 「百度文心」RAG 与检索系统：从 chunk 设计到多路召回Onefly · zero2Agent · 1 条原题查看题集 →多模态 Embedding 检索中，文本语义与图像视觉特征的权重怎么平衡？用户检索图纸参数却召回外观相似零件，根源是什么？相关题目4 题0251向量检索、BM25、重排在混合 RAG 中如何配合？同一知识专题题目类型：方案设计技术难度：进阶相关面经：13 篇0314BM25 与向量检索结果如何融合？同一知识专题题目类型：方案设计技术难度：进阶相关面经：8 篇0315混合检索比单路检索在哪个环节获得收益？同一知识专题题目类型：效果评估技术难度：进阶相关面经：13 篇0333为什么稠密向量与 BM25 分数不能直接相加？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题用 Python 实现基于交叉编码器的 Reranker。下一题 →实现多路召回结果的去重、加权排序和 Top-K。
