暑期阿里淘天AI应用研发一面 夯爆了版

继续来分享下最近的面经~欢迎友好讨论，信息共享
1. 实习拷打

2. 在RAG系统中，它一般的召回阶段的排序策略通常有哪些？如果一个用户在召回的时候，他的查询是一些长尾或者是语义模糊的关键词，你怎么去提升这个召回的准确率？

3. 召回排序的过程有几个阶段或几个层次？

4. 有哪些方式可以改写Query，为什么能够提升这个召回精准度？

5. RRF融合中，它的K参数一般取值是多少？大一点、小一点对结果有什么影响？

6. 在你的项目里面，实际召回中有遇到不准的情况吗？在你们这个提升准确率的过程中，你们去做了哪些事情去提升，怎么做？

7. 如果在查询中间，输入的一些极其模糊的表达，在实际工程中间要怎么去做呢？

8. 那如果要做这么一个AI，你具体怎么去提示他，怎么去做？遇到这种一次性说不清楚话的用户，那你这个agent怎么去解决这一类的问题？

9. 怎么去降低整个项目的一个幻觉？从数据、检索和生成这三个方面去阐述一下

10. Agent项目如何设计评测方案

11. 后端压测性能优化，如何定位问题

之后是两个场景题：
1. 假如需要你去设计一个电商客服agent的评测方案。这个agent主要有三类任务：商品咨询、售后咨询、还有投诉安抚。你需要去设计一个完整的评价系统，主要包括测评的维度指标，以及数据集的构成构建方案。然后如何区分这个agent到底是好还是坏，你怎么去设计？比如说我们就开发了一个这样的客服系统跑在线上，你总得有一些衡量的指标，你怎么去建这个衡量指标，怎么得出来这个agent是比较好的、比较提效的？比如说在安抚这个场景，用户的满意度是很难去衡量的，那你需要假如说让你设计一些指标，或选取一些指标去衡量用户是否满意，你觉得怎么去提取或者是设计这个指标？

2. 假如让你负责一个文本转SQL的模型训练集的构建，你只有500条真实标注样本，需要你去覆盖200多个查询模式（单表查询、多表连接、聚合查询等等），需要你设计一个完整的数据生产流，包括合成策略、怎么控制质量，以及怎么去迭代优化，你怎么去设计？

再之后是两道ai coding