人工智能面试题 · 技术原理 · RAG
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 192 道 · 更新 2026-08-05
筛选题目已选：技术原理 · RAG
考察点
技术栈
第 1 题如何评测RAG系统的准确率？ 考察生成式检索增强系统的评测指标与评测方法论第 2 题在RAG检索中，如何处理查询与知识库表面相关但实质不匹配的问题？例如知识库是关于中国旅游内容，而查询涉及外国景点，导致检索结果不准确。你会如何改进？ 考察候选人对RAG检索粒度与语义匹配问题的理解及改进策略第 3 题你认为未来RAG的创新研究方向有哪些？ 考察对RAG技术前沿的理解、趋势判断和系统化思考能力第 4 题请介绍RAG系统中Embedding模型的作用、选型要点和常见优化方法。 考察对RAG中Embedding模型的理解和实际应用能力第 5 题请介绍一个你参与过的 RAG（检索增强生成）项目，并说明它的核心亮点。 考察对RAG架构的理解、项目贡献与效果呈现能力第 6 题请描述在RAG与时空知识图谱结合的Agent系统中，知识图谱更新的典型流程和触发机制。 考察知识图谱更新流程设计能力第 7 题如何判断RAG检索到的内容与用户问题是否相关？ 考察RAG系统中检索相关性评估的方法论与实践第 8 题请介绍 RAG 的完整流程，并说明构建向量检索库时如何处理时间衰减对召回的影响。 考察对 RAG 全流程的掌握及对向量检索中时效性问题的处理能力第 9 题RAG 场景下的生成模型与通用基座模型在评估维度上有哪些不同？ 考察对 RAG 评估与通用生成评估差异的理解第 10 题如何评估一个用于 RAG 场景的生成模型？ 考察对 RAG 生成模型评估维度的理解和落地能力第 11 题生成式搜索能否保证 top-1 的准确性？如何提高？ 考察对生成式检索系统准确性影响因素的理解及优化策略第 12 题在RAG架构中引入Few-shot Prompting为什么能提升输出质量？ 考察对Few-shot Prompting在RAG场景中作用机制的理解第 13 题请介绍RAG（检索增强生成）的完整流程。 考察对RAG核心组件与流程的理解第 14 题你在项目中使用了RAG，那什么场景下RAG无法解决，必须升级到GraphRAG？请结合具体例子说明。 考察对RAG局限性的理解以及GraphRAG适用场景的判断第 15 题若引入知识图谱，如何与生成模型结合？ 考察知识图谱与生成模型融合的技术方案与选型第 16 题在 RAG+知识图谱的 Agent 系统中,知识图谱的更新机制通常如何设计? 考察知识图谱更新机制的整体设计与数据一致性第 17 题RAG（检索增强生成）相比纯大模型生成有哪些好处？ 考察对RAG架构优势与适用场景的理解第 18 题RAG 中常见的中间文档丢失现象如何缓解？ 考察对 RAG 检索与生成链路中信息丢失问题的理解和工程应对第 19 题什么是RAG？ 考察对检索增强生成核心概念、组件和价值的理解第 20 题请描述你在项目中如何实现RAG的召回阶段，包括数据检索和相似度计算的具体做法。 考察RAG召回策略的理解与实践细节