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 101 题为什么在推荐系统中引入 RAG？它主要解决哪些问题？ 考察对 RAG 在推荐场景中的价值与适用边界的理解第 102 题RAG的知识库是怎么构建的，知识库长什么样子？ 考察RAG知识库的构建流程、数据组织形式与检索基础第 103 题请说明Rerank在RAG中的作用。 考察对检索后重排阶段的原理与价值理解第 104 题请介绍一下你对 RAG 的理解，并说明 GraphRAG 的核心做法和适用场景。 考察检索增强生成基础及图结构知识增强的理解深度第 105 题CLIP可以用于哪一类多模态RAG？ 考察CLIP能力边界及其在多模态RAG中的适用位置第 106 题如何评估 RAG 系统中检索到的内容质量好坏？ 考察对 RAG 检索质量评估方法与指标的理解第 107 题请描述RAG系统的整体流程，并说明各环节的主要作用。 考察对RAG整体架构的理解和流程梳理能力第 108 题RAG系统通常使用哪些评价指标来衡量效果？ 考察RAG质量评估指标的理解与分类能力第 109 题请介绍你参与的一个RAG（检索增强生成）项目。 考察候选人RAG项目经验、技术理解与个人贡献第 110 题你会如何构建RAG系统的评估集与评估指标？ 考察RAG评估体系建设与量化能力第 111 题请分别说明微调（Fine-tuning）和 RAG 的适用场景及各自的优缺点。 考察对大模型应用技术选型的理解及场景适配能力第 112 题如何为RAG系统设计合适的文本分块策略？ 考察RAG分块对检索效果的影响及策略权衡第 113 题RAG 检索环节有哪些常见优化手段？ 考察对 RAG 检索质量提升技术的理解与工程落地能力第 114 题请介绍RAG系统中的embedding模块，包括常用的embedding模型以及向量相似度计算方法。 考察对RAG检索环节中embedding模型选择和向量相似度计算的掌握程度第 115 题相比于让大模型直接回答问题，现在很流行的RAG（检索增强生成）方案，它最大的好处是什么？主要解决了什么痛点？ 考察对RAG技术核心价值与适用场景的理解，以及与纯大模型生成方案的对比优势第 116 题RAG构建知识库有什么难点？ 考察对RAG系统各环节难点与权衡的理解第 117 题请详细介绍你的RAG系统项目。 考察RAG系统的设计思路、实现细节与效果评估第 118 题什么是RAG？它是如何提升生成质量的？ 考察对RAG核心原理及其对生成质量提升机制的理解第 119 题请描述RAG系统的搭建过程，包括主要模块和关键步骤。 考察RAG系统架构理解与搭建流程的完整性第 120 题RAG有哪些分类？ 考察对检索增强生成技术分类的整体理解