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 181 题请解释自查询（Self-Query）技术，并阐述它在 RAG 系统中的必要性是什么？ 考查对RAG中自查询技术的理解，包括其定义和作用。第 182 题请解释提示压缩的含义，并阐述在 RAG 应用中为何需要引入提示压缩机制。 考查对 RAG 中提示压缩概念及必要性的理解。第 183 题在真实应用场景中，完成 RAG 系统的调优后，应当采用哪些效果评估标准和评估方法？请结合具体的应用场景说明评估指标的选择依据与实施方式。 考查候选人对 RAG 系统评估体系的理解，是否掌握指标选取、评估方法及真实场景下的落地考量。第 184 题请解释RAG（检索增强生成）流程中分块（chunking）这一步骤的含义，并阐述在RAG系统中进行文本分块的必要性。 考察对RAG系统中文本预处理关键技术——分块的理解及其在提升检索效果中的作用。第 185 题请列举RAG系统中常用的文本分块策略，并说明它们之间的主要差异是什么？ 考查对RAG中文本分块策略的掌握程度及其适用场景。第 186 题请解释在检索增强生成（RAG）系统中，Embedding嵌入的含义及其作用是什么？ 考察候选人对RAG中Embedding概念的清晰理解，包括其定义、表征方式及在RAG流程中的价值。第 187 题请列举 RAG 流程中常用的 Embedding Model 嵌入模型，并说明它们各自的特点或适用场景。 考查候选人对 RAG 中嵌入模型选型的了解，包括常用模型、特点与适用场景。第 188 题请描述在 RAG 系统的索引流程中，你们团队是如何实现文档解析的？ 考察候选人对 RAG 索引流程中文档解析环节的实践理解和具体实现方案。第 189 题在处理 RAG 应用时，你对于提示工程有哪些设计上的心得与技巧？ 考查候选人在 RAG 场景下对提示工程设计的实践经验和技巧。第 190 题请阐述Advanced RAG的基本概念及其与基础RAG的主要区别，并说明其典型的技术组件或流程优化点。 考查对RAG技术进阶方向的理解，评估是否掌握高级RAG的核心优化点。第 191 题请解释 Modular RAG 的含义及其核心设计理念。 考察对 RAG 架构演进中模块化设计思想的理解。第 192 题在构建 LLM Agent 时，为了使它能够跨会话保留和利用信息，可以采用哪些机制来实现长期记忆？ 考查对 LLM Agent 长期记忆机制的理解，以及实现方案的掌握。