腾讯元宝大模型算法一面分享-夯爆了

攒人品中，祝大家都能拿到满意的Offer！
项目拷打，穿插八股
1. agentic rag 和传统 rag 的区别？
2. 项目里的 agent 都调用了哪些工具？
3. 如何保证 rag 召回信息的质量？
4. 在线爬取是用的什么 api？
5. 怎么保证模型的输出不产生幻觉？
6. 对于细粒度的问题，你这套粗粒度快速定位➕细粒度精确检索的方案还有效吗？
7. rag 召回率 90%，badcase 都是什么问题，具体是哪个环节导致的？有想过怎么优化吗？
8. 整个系统中使用的模型有做训练吗？还是调的 api？
9. agent 调用工具这个过程是怎么优化的？
10. 合成数据是怎么做的，如何保证多样性？
11. lora 微调的原理，为什么小部分参数就能成功？
12. 你训练的时候主要调了哪些参数，最终比较适合的参数是多少？
13. 全量微调的劣势是什么？既然容易灾难性遗忘，有什么方法能够保证能尽可能保留模型原始能力，并让其迁移到新任务上
14. self-attention 的公式是什么？QKV 各是什么意思？
15. 模型生成时的temperature 是干嘛的，原理是什么，什么场景用什么值？
最后手撕：
lc hot100 trick题“ 寻找重复数”的升级版，重复数不止一个