腾讯大模型搜索算法岗社招一面

1️⃣RAG部分
1.讲一下RAG的总体流程？—结合项目
2️⃣Query 理解
2.用户理解阶段一般会做哪些处理？有何作用？可以做哪些优化？
3️⃣Index 构建
3.文档问答中，如何构建索引，提升对用户问题的泛化能力？
4️⃣Retrieval 召回
4.多路检索如何实现？如何合并多路检索的结果，对它们做排序？
5️⃣Reranker 精排
5.如何构建重排序模型的微调数据？
6️⃣模型结构部分
6.RoPE相对正弦位置编码有哪些优势？
7.为何使用 RMSNorm 代替 LayerNorm？
8.RMSNorm与LayerNorm在数学公式上的核心区别是什么？
7️⃣微调部分
9.指令微调（Instruct-tuning） 和 提示学习（Prompting）的区别是什么？
10.LoRA的工作原理及其优势？
11.为什么在参数高效微调中使用低秩矩阵分解？