人工智能面试题 · RAG
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 267 道 · 更新 2026-08-05
筛选题目已选：RAG
考察点
技术栈
第 1 题结合你的项目经验，请谈谈一个基于RAG的应用在性能调优方面你会怎么做？ 考察RAG系统性能优化思路和项目实践第 2 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 3 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 4 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 5 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 6 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 7 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 8 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 9 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 10 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 11 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 12 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 13 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 14 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 15 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 16 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 17 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 18 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 19 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 20 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