互联网/IT行业面试题 · tech:rag
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 205 道 · 更新 2026-08-05
筛选题目已选：tech:rag
考察点
技术栈
第 181 题在RAG系统中，知识库的文档来源通常包括哪些？你提到检索前的拆分逻辑，这个拆分粒度是如何确定的？ 考察对RAG知识库来源和文本拆分策略的理解第 182 题在RAG系统中,分片算法和调参分别如何影响检索效果?你认为哪个更关键,为什么? 考察RAG系统设计中对分片、检索参数及其优先级权衡的理解第 183 题请解释RAG技术的原理。 考察对检索增强生成技术的原理性理解第 184 题在 RAG+知识图谱的 Agent 系统中,知识图谱的更新机制通常如何设计? 考察知识图谱更新机制的整体设计与数据一致性第 185 题请介绍一下你对RAG（检索增强生成）的理解，以及它在实际应用中的典型场景和可能的挑战。 考察对检索增强生成技术原理、应用场景及局限性的理解第 186 题伪多模态RAG与真正的多模态RAG在实现上有何区别？ 考察对多模态RAG实现深度的理解第 187 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 188 题请阐述检索增强生成(RAG)的核心原理,并说明如何通过RAG缓解大模型的幻觉问题。 考察对RAG架构原理的理解及解决幻觉问题的机制第 189 题请介绍一下你的RAG项目，并说明整个处理流程。 考察对RAG系统整体架构、各模块流程及技术细节的理解第 190 题RAG里面的向量化是怎么做的？ 考察对RAG向量化流程、文本分割和向量模型选型的理解第 191 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 192 题对于RAG中的文档，通常采用哪些策略进行分块（chunk）？ 考察对RAG检索质量关键环节——文档分块策略的理解与权衡第 193 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 194 题如何评估RAG系统的检索效率？常用的评估指标有哪些？ 考察对RAG检索环节评估指标的理解与应用第 195 题在电商场景下，你会选择哪个方向探索AI应用并产出MVP？请说明方向选择、模型技术和实现路径。 考察电商业务理解、AI技术选型及MVP落地思路第 196 题请说明你在项目中是如何使用RAG（检索增强生成）的，以及它的使用场景有哪些？ 考察对RAG原理、适用场景和局限性理解第 197 题请介绍 RAG（检索增强生成）的用途和主要应用场景。 考察对 RAG 技术价值、适用场景和局限性的理解第 198 题在推荐系统中引入RAG有哪些优势和代价？ 考察对RAG方案利弊的全面权衡能力第 199 题请说明该RAG智能客服方案的检索策略和生成优化。 考察RAG检索质量与生成效果的优化能力第 200 题大模型的记忆机制是怎样的？它是如何存储和提取信息的？ 考察对模型参数记忆与外部记忆机制的区别认识