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 161 题RAG引擎具体是做什么的？ 考察对检索增强生成技术原理与核心流程的理解第 162 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 163 题请介绍检索增强生成（RAG）的基本原理和应用价值。 考察对 RAG 架构的理解、组成模块及其与纯生成模型的区别第 164 题针对大模型幻觉问题，请提出系统性的解决方案。 考察对大模型幻觉治理方法体系的掌握与整合能力第 165 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 166 题请介绍一下 RAG（检索增强生成）的整体工作流程，并说明其中关键环节的作用。 考察对 RAG 流程的整体理解与关键环节的把握第 167 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 168 题请说明 RAG 的典型使用场景有哪些。 考察对检索增强生成适用场景的理解第 169 题在RAG系统中的切片策略和索引命中率之间有什么关系？请解释如何分析并优化切片以提升检索命中率。 考察候选人对RAG系统中切片策略与检索准确性的理解及优化方法第 170 题怎么解决大模型幻觉？ 考察对大模型幻觉成因、检测与缓解手段的系统理解第 171 题在检索增强生成流程中，经过重排序后通常返回多少个文本块？你做过哪些验证来保证这个数量是合理的？ 考察RAG系统中重排序后返回块数的设定逻辑与验证方法第 172 题在RAG系统中，影响检索效率的关键参数有哪些？如何调优？ 考察对RAG参数影响与调优实践的理解第 173 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 174 题请解释RAG（检索增强生成）的技术原理，并说明其核心组件。 考察对RAG整体架构、检索与生成协同机制的理解第 175 题我们的RAG系统上线后，发现有时候还是会“胡说八道”，或者答非所问。如果让你去排查，你会从哪些方面入手？ 考察对RAG系统整体架构的理解与系统性排查问题的能力第 176 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 177 题RAG的chunk和overlap怎么设置的？ 考察对RAG中文本切分参数的理解与调优能力第 178 题请介绍你对多模态 RAG 的理解，并说明它与传统文本 RAG 的区别。 考察对多模态检索增强生成概念与应用的理解第 179 题在RAG的过滤阶段，你通常如何处理召回结果中的噪声和冗余信息？ 考察对RAG过滤环节的理解与实际处理能力第 180 题说一下你对 RAG（检索增强生成）的理解吗？ 考察对 RAG 的核心原理、产生背景和适用场景的理解