百度实习 AIGC算法面经分享

攒攒人品！有面试过同岗的朋友欢迎评论区交流
1.对于社区讨论类、用户生成内容较多的数据源，会做哪些额外的数据清洗或质量控制？
2.如何对metadata做数据处理？
3.检索系统中，数据预处理、metadata 设计和索引构建是如何考虑的？
4.检索阶段是如何做召回和精排的？为什么要结合关键词检索、语义检索和 rerank？
5.检索结果注入生成模型后，这个模型是用于实验验证，还是面向真实部署场景？
6.如果后续要正式落地，你会从哪些维度重新评估模型选型？
7.你如何理解 RAG？它的核心目标是什么？
8.RAG 的典型流程包括哪些阶段？每个阶段的关键点分别是什么？
9.在实际应用中，RAG 的效果上限主要受哪些因素影响？
10.在什么场景下更适合使用 RAG，而不是把规则或知识直接固化到系统逻辑里？
11.在 Agent 或助手系统里，tool calling 一般适合解决什么问题？
12.MCP 或类似协议在工具调用体系里主要起什么作用？
13.Skills 和 tool calling 的区别是什么？
14.如果要用 skills 重构一个现有助手系统，哪些模块最适合优先抽象成 skills？
15.在多模态系统中，引入 Adapter 的主要作用是什么？
16.Adapter 在模态对齐、参数高效训练、信息筛选和可迁移性上分别有什么价值？
17.用模型对长文本做预提取、重写或摘要，与直接截断相比，有什么本质区别？
18.滑动窗口、摘要压缩、关键词提取、长期 memory 存储，这几类方案分别适合什么场景？
19.DPO 和 GRPO 的核心区别是什么？