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 61 题开放性问题：Agent 如何与 RAG 更好地结合？请详细阐述每个模块的设计思路。 考察对 Agent 与 RAG 结合架构的理解，以及各模块设计思路的深度第 62 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 63 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 64 题在做Agent的时候，如果也用到了RAG，出现指令不遵循的情况，应该如何解决？ 考察Agent与RAG结合时对指令遵循问题的系统性排查与优化能力第 65 题请介绍RAG（检索增强生成）有哪些主要分类？ 考察对RAG体系分类的掌握程度第 66 题RAG（检索增强生成）系统通常使用哪些评价指标来评估其性能？ 考察对RAG系统评估维度、具体指标及其适用场景的理解第 67 题如何提高RAG召回的准确率，以及对向量化模型进行微调的方法有哪些？ 考察RAG召回优化和向量化模型微调能力第 68 题在RAG系统中，如何设计防护措施来避免恶意注入的错误信息影响生成内容？ 考察候选人对RAG安全防护的综合设计能力第 69 题RAG如何做rerank的 考察检索后重排序的策略、模型选择和与整体流程的整合第 70 题请说明 RAG 系统的整体架构，并重点讲解文本分块的策略与考量。 考察对 RAG 架构的理解以及文本分块的实际设计能力第 71 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算法的理解第 72 题请介绍你的RAG项目中数据集是如何构建的？ 考察RAG项目中数据集构建的细节与质量控制第 73 题RAG怎么解决模型幻觉？ 考察对检索增强生成原理及其减少幻觉机制的理解第 74 题在金融业务中，像“杠杆”、“对冲”等许多术语都存在歧义性。你如何在 RAG 中实现术语的准确消歧？ 考察在专业领域RAG中处理术语歧义与上下文消歧的设计能力第 75 题谈谈传统搜索算法和RAG的理解 考察对传统搜索算法与检索增强生成的理解及两者关系第 76 题做 RAG 检索的话，如何实现多模态的这种检索能力？ 考察多模态 RAG 中跨模态检索的技术选型与实现思路第 77 题请谈谈你对RAG技术的理解，并说明在使用LangChain等框架时，Agent与RAG如何协同工作？ 考察对RAG原理的理解以及Agent与RAG结合的架构设计能力第 78 题请具体说明在大型语言模型应用中，缓解模型幻觉的常用方法有哪些？ 考察对LLM幻觉成因及主流缓解策略的理解与应用第 79 题请介绍 RAG（检索增强生成）的实现流程，包括检索、增强和生成环节。 考察对 RAG 整体架构与关键组件理解第 80 题你觉得当前RAG的最大瓶颈在哪？你做过哪些改进来提升Recall？ 考察对RAG系统瓶颈的理解及提升召回率的实际改进能力