一些自己在网上搜刮的面经题目路过的牛爷爷可以试着答一答，附上自己的答案，如果有更好的答案也可以拷打我，如果有别的比较好的题目也可以评论里发一发。 如何评估 RAG 效果？指标是什么？ 分层评估：  检索质量评估：看如HitRate（命中率），Recall（召回率）等指标 生成质量评估：看如相关性（是否切题）、忠诚度（生成是否基于检索内容生成）、完整性（生成答案是否完整） 用户满意度测评：答案是否满意，检索速度够不够块。  RAG 和微调怎么取舍？ RAG适合更新频率高，存在隐私数据以及需要可解性性要求高需要稳定输出的场景。 微调适合需要特定规则以及语气的使用场景。 这两个技术在大部分场景下都不...

字节： 面试时会把简历里的项目挖的很深，项目的背景、指标为什么这样定。有没有更好的办法，如何复盘等问题，都需要准备阿里：面试问题更偏宏观，喜欢听你对某些行业的看法或者产品的规划腾讯：面试时会考察项目的价值，更在意用户价值而非成本价值，经常会问你对腾讯系产品的体验和优化建议京东：诚信和抗压能力时最强调的点，如果你家境一般且表现出很强的赚钱欲望，那你面试已经过了一半美团：面试会考察业务逻辑，指标及执行细节，需要准备一个你通过数据拆解问题并一步步解决的case拼多多：面试时表示自己身体好接受加班，不怕高强度工作基本就稳了华为：面试时熟背华为价值观（严格学历厂的）快手：最好简历上有份字节经历

我简历到底怎么样啊，现在马上5月份了，还没有找到暑期实习😥

核心定义ReAct 是能让大模型“边思考、边行动”的推理框架，让 LLM 像人类一样通过多轮交互解决复杂问题Thought-Action-Observation 运转逻辑ReAct 循环中有三大要点：Thought：模型分析当前的局面，大任务拆解成子任务，决定当前最需要做什么Action：根据前面的思考结果，生成具体的操作指令Observation：接收真实环境对操作的反馈结果这就有了一个闭环：想清楚再做，做完看反馈，基于新反馈接着想ReAct + Function calling 怎么运转？在 ReAct 需要与外部系统结合时，免不了调用工具，执行链路如下：评估与决策：模型接收用户请求，判断...