百度面试题 · RAG
百度相关面试题，按最终去重题目聚合。
共 3071 道真题 · 当前筛选命中 23 道 · 更新 2026-08-05
筛选题目已选：RAG
考察点
技术栈
第 1 题请介绍一个你参与过的 RAG（检索增强生成）项目，并说明它的核心亮点。 考察对RAG架构的理解、项目贡献与效果呈现能力第 2 题生成式搜索能否保证 top-1 的准确性？如何提高？ 考察对生成式检索系统准确性影响因素的理解及优化策略第 3 题你是否做过针对 RAG 系统的归因实验？如果有，请描述实验设计和得出的结论；如果没有，请说明你如何设计一次归因实验来验证问题来源。 考察候选人设计实验验证假设的方法论和实操经验第 4 题RAG 中常见的中间文档丢失现象如何缓解？ 考察对 RAG 检索与生成链路中信息丢失问题的理解和工程应对第 5 题RAG系统如何优化？请结合查询重写、多路召回和重排等方面说明。 考察对RAG检索增强生成各优化环节的理解与工程实践第 6 题你的 RAG 项目在开发过程中遇到过哪些难点？又是如何解决的？ 考察 RAG 工程实践中的问题识别与解决能力第 7 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 8 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 9 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 10 题在RAG系统里，哪些环节最容易成为性能瓶颈？请结合原因说明。 考察发现与定位RAG系统性能瓶颈的能力第 11 题如何提升问答系统的响应准确率？请说明主要的优化方向。 考察对问答系统准确率优化的系统性理解和方案权衡能力第 12 题请解释RAG（检索增强生成）技术的原理，以及它解决了什么问题。 考察对RAG核心机制的理解及其针对大模型痛点的价值第 13 题请介绍RAG（检索增强生成）技术的最新进展，并谈谈你对其发展趋势的看法。 考察对RAG前沿技术的了解、信息更新能力和技术趋势分析第 14 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 15 题在RAG系统中，检索阶段通常是如何实现的？请说明主要过程与常用策略。 考察对RAG检索流程、向量检索与混合检索的理解第 16 题请介绍你对RAG和模型微调这两种AI技术的理解，并说明它们各自适用的场景。 考察对RAG与微调的核心原理和适用边界的理解第 17 题请介绍你的RAG项目，包括整体架构、关键技术和实际效果。 考察RAG系统设计能力、技术选型与项目落地效果第 18 题在 RAG 项目中，Chunk 划分策略对最终效果影响有多大？你尝试过哪些划分方式（如固定大小、滑动窗口、语义切分）以及如何验证其效果？ 考察对 RAG 检索质量影响因素的理解及工程调优能力第 19 题在 GraphRAG 项目中，你是如何解决传统 RAG 的“召回噪声”和“信息碎片”问题的？ 考察对 GraphRAG 原理与 RAG 缺陷的深入理解及实际落地能力第 20 题项目:RAG 和 GraphRAG 在处理多跳推理时的根本区别是什么? 考察对RAG与GraphRAG在多跳推理场景下技术本质的理解与对比能力