人工智能面试题 · 技术选型 · RAG
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 60 道 · 更新 2026-08-05
筛选题目已选：技术选型 · RAG
考察点
技术栈
第 1 题在 RAG 系统中，你们是否使用 rerank？如何做？ 考察重排模型在 RAG 中的应用与实现细节第 2 题RAG中如何处理非结构化知识与结构化知识的混合检索? 考察RAG架构中融合非结构化与结构化数据检索的设计能力第 3 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 4 题在RAG系统中，你会如何优化召回链路以提升效果？ 考察对召回链路各环节优化手段的掌握程度第 5 题请介绍你在实验室项目中涉及 LoRA、RAG 和单 Agent 开发的具体工作，并说明你在其中的技术选型和实现思路。 考察候选人对自己项目技术细节的理解深度与实际动手能力第 6 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 7 题在RAG系统中，如何选择嵌入模型及索引方法？ 考察嵌入模型与向量索引选型的考量第 8 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第 9 题你的RAG项目采用了哪种检索方案？为什么这样选？ 考察检索策略选择与效果权衡第 10 题Few-shot Prompting与模型微调相比，各自适用的场景是什么？ 考察对两种轻量级模型适配技术的边界认知和选型能力第 11 题场景题：客户输入一个软件或网页界面截图，如何通过RAG的方式帮助用户了解界面的每一个组件作用？ 考察基于截图的多模态RAG系统设计与落地能力第 12 题你如何看待 RAG 在大模型应用中的定位？它未来是否会长期存在？ 考察对 RAG 技术本质的理解及其在大模型应用中的长期价值判断第 13 题多模态RAG有哪些实现框架？ 考察对多模态检索增强生成主流实现框架的掌握第 14 题请解释RAG（检索增强生成）的基本原理。 考察对RAG的工作流程、组成模块和解决核心问题的理解第 15 题在实现RAG时，你使用了什么编码模型和重排模型？为什么选择它们？ 考察对RAG中嵌入模型与重排模型选型、对比和应用的实践能力第 16 题请介绍 RAG 中常用的检索方式，并说明各自的适用场景。 考察对RAG检索环节的核心思路、主流方法与落地取舍的理解第 17 题请简要阐述当前大模型应用的主流范式，并说明其典型技术架构与适用场景。 考察对大模型应用范式（如RAG、Agent、微调等）的整体认知与辨析能力第 18 题针对RAG项目，你提出了哪些优化方向来提升模型的问答效果？ 考察对RAG系统优化方向的理解与实践第 19 题在检索增强生成（RAG）项目中，如果召回的答案不是想要的，你该怎么处理？ 考察RAG召回质量问题的排查思路与优化策略第 20 题在RAG流程中，是否需要对检索结果进行Rerank？常见的Rerank策略有哪些？ 考察对Rerank必要性判断及常用Rerank算法的理解