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 201 题如何缓解大模型幻觉？ 考察对幻觉抑制方案的系统性掌握第 202 题RAG是怎么做的，向量库怎么构建的？ 考察对RAG整体流程和向量库构建细节的理解第 203 题请对比微调（Fine-tuning）与 RAG 两种技术方案，说明各自适用场景和优缺点。 考察对微调与 RAG 两种大模型应用方案的理解和方案权衡能力第 204 题RAG中快速索引的优化方法有哪些？ 考察对RAG索引构建与检索性能优化的理解深度第 205 题RAG技术短板：RAG存在哪些缺陷？ 考察对检索增强生成技术局限性的理解深度与全局认识第 206 题顺着RAG和Multi Agent方向，说说你对它们的认知和迭代是怎样的？ 考察对RAG和Multi Agent技术演进的理解深度与系统性第 207 题RAG中怎么提升准确率？ 考察对RAG系统各环节准确率优化方法的理解与实践第 208 题在RAG系统中，如果召回的文档中被人恶意注入了错误信息，这会如何影响大模型的输出？ 考察对RAG流程中信息污染风险的理解及潜在影响第 209 题如何评估 RAG 系统的效果，一般会使用哪些指标？ 考察对 RAG 评估维度和指标体系的整体理解第 210 题你之前做过RAG项目，请讲讲从数据清洗到检索服务上线整个链路是怎么搭建的，以及chunk切分是如何做的？ 考察RAG全链路工程落地能力和对关键环节的理解第 211 题知识库是单纯召回，还是有精排，策略、链路什么样，都用了哪些模型？ 考察检索增强生成系统的完整链路设计与技术选型第 212 题标准RAG有什么问题？ 考察对RAG系统局限性的理解和实际工程中的风险意识第 213 题在推荐系统中引入RAG（检索增强生成）主要为了解决哪些问题？ 考察对RAG在推荐场景中价值定位的理解第 214 题请分别解释 RAG、MCP 和 Agent 的核心流程，并说明三者之间的关系。 考察对 RAG、MCP、Agent 概念的准确理解及流程串联能力第 215 题RAG的优化有哪些手段？ 考察对检索增强生成系统各环节优化手段的理解与系统性思考第 216 题为什么要把检索（retrieval）和生成（generation）拆开成两个独立阶段？ 考察对 RAG 架构解耦和模块化设计的理解第 217 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的作用？输入输出自己定义；相似的组件如图片框和视频框如何区分？ 考察RAG系统设计能力与多模态信息区分组件的技术方案第 218 题请详细介绍RAG（检索增强生成）系统的工作流程，以及各环节的关键细节。 考察对RAG系统完整流程的理解及关键环节的实现与权衡第 219 题如何衡量RAG系统回答的好坏？请给出具体的评估维度与方法。 考察RAG质量评估的多维度理解与实践方法第 220 题请介绍你在实际项目中如何优化 RAG（检索增强生成）系统的效果？ 考察对RAG系统各环节的优化方法及实践经验