招商银行 AI 面

中文问题:生活中有计划还是走一步算一步英文问题:which language is you most interested in learn（大概意思是这样）很快，给三十秒看问题然后中文问题貌似是一分半回答时间，英文问题一分钟

入职体检是进入公司最后一道门槛，体检合格了方可办理入职，身体有一些隐患的员工怎么才能顺利通过入职体检呢?那么，下面小编就来介绍一下北京做入职体检必过技巧，让你顺利拿到合格体检报告。在北京新员工做入职体检主要分两种方式：一、公司指定某家体检机构，可以是体检中心，也可以是医院，个人去或者集体去体检，集体体检一般都是有人带队的，像国企、央企基本都是定点体检，公务员事业单位这个就不用多说了。这种情况就是体检人员必须去公职指定机构完成体检，而且，体检报告会直接转发给公司的，个人只能等公司通知。二、选择本市二甲以上体检机构，二甲或者三甲，完成体检后，交体检报告给公司，具体去那家体检机构不会限制你，只要符合...

1️⃣RAG 有哪几个步骤？Step1:将文本分割成块;Step2:使用编码模型将这些块嵌入到向量中，将所有这些向量放入索引中;Step3:LLM 创建一个提示，告诉模型根据我们在搜索步骤中找到的上下文来回答用户的查询。2️⃣实际项目中RAG有哪些优化技巧？首先召回源会考虑多路召回，在召回后面增加一个重排序的阶段，提升召回的质量。另外，重排序模型以及生成模型会根据系统问答的指标情况，进一步微调。3️⃣RAG 中为什么会出现幻觉？出现幻觉问题主要分为两大类，一是生成结果与数据源不一致，训练数据和源数据不一致、数据没对齐或者编码器理解能力的缺陷导致；二是用户问题超出了大模型的认知，用户的问题不在语言模型认知范围内导致。4️⃣RAG 一般怎么做效果评估？RAG 做效果评估主要是针对检索和生成两个环节。对检索环节，我们可以采用 MRR 即平均倒排率，前 k 项的 Hits Rate 命中率， NDCG 排序指标等。生成环节首先是量化指标，再评估生成答案的多样性，看看模型是否能够生成多种合理且相关的答案。还需要引入人类评估，考虑资源效率。5️⃣针对幻觉的问题，有什么解决思路？加入一些纠偏规则，比如采用 ReAct 的思想，让大模型对输出的结果进行反思。还有一种思路是集成知识图谱，即不再局限于向量数据库匹配，做召回时不仅考虑文档块，同时还考虑图谱的三元组。将知识图谱( KGs ）集成到 RAG 中，通过利用知识图谱中结构化且相互关联的数据，可以显著增强当前 RAG 系统的推理能力。6️⃣在实际做项目中，经常遇到各种边界的 case ，一般怎么解决？这个需要分情况来看，首先是无效问题：如果对于知识库中没有的问题，我们需要做一个准入的判别，判断是否需要回答。一般是一个二分类模型，或者直接用大模型+ prompt 来做，使模型在这种情况下输出一个预设的兜底话术。第二个是减少幻觉，在推理模块中添加规则和提示工程技术。还有一种是格式错误：模型可能会生成无法解析的答案，这种可以设计一个备份的代理大模型，当解析失败时，可以基于代理大模型直接生成简洁准确的总结。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

前言有很多学历不是特别好的同学在秋招中，看牛客上那些人不是在面这家大厂，就是在面哪家大厂。而自己几乎都没有面试，难免会陷入深深焦虑中。同时，感觉每天就在看计网、操作系统、数据库还有项目的一些问答，感觉对技术没啥提升，有点不知道干什么。个人分析针对这些同学们的焦虑，迷茫，阿甘也是深深可以理解。秋招、应届生找工作，对于一些学历不是特别好的同学，确实很难，这个确实没办法改变。主要大家都是学生，其实无论什么学历，基础能力也都差不多，开发经验也是都默认为0，并且同一时期竞争找工作。那对于企业来说，最省事的筛选成本就是按照学历筛选了，毕竟招进来都是要培养的，直接找好学校的，可培养概率更大一些。当然，并不是...