小红书大模型算法春招二面

继续来分享下之前的面经~欢迎友好讨论，信息共享
1- RAG痛点
2- 检索精度与召回率的平衡（如chunk粒度优化） 如何解决多跳推理问题？
3- 知识更新机制（小红书UGC内容高频更新如何应对
4- LLM针对RAG的优化
5- 是否用LLM直接生成Embedding？如何解决生成式检索的稳定性
6- 提示工程优化（如HyDE技术在小红书的应用场景）。
7- 幻觉问题
8- 检索结果置信度过滤方案？是否引入知识图谱作为验证层
9- 检索污染处理
10- 用户生成内容（如错误美妆知识）如何清洗？实时性（如突发谣言）如何应对
11- 图文对RAG产品设计
12- 多模态检索方案（图文联合Embedding vs. 分离对齐）
13- 如何将用户评论/标签纳入检索增强