完美世界Ai agent开发一面 拷打

1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...

AI面试的问题范围很广，具体取决于你投递的岗位方向。大模型算法岗：Transformer细节、预训练与Scaling Law、对齐与RLHF、推理优化原理Agent开发岗：LangChain/LlamaIndex原理、RAG与知识增强，RAG全链路——文档解析（PDF表格、图像）、向量化（Embedding模型选型）、向量检索（HNSW参数调优）、检索后重排（Reranker）的完整流程设计。检索优化——HyDE（假设文档嵌入）的原理与效果；多路召回（关键词+向量+知识图谱）如何融合？

🕐面试时间：35min❓面试问题：一上来就是学习中有什么困难，是怎么解决的。问第一个项目的流程，为什么要用到这个模式redis，caffine，数据库如何保持数据一致性（给了一个场景，100台服务器，热点数据刚好同时过期怎么办，这时候来一大批数据数据库扛不住怎么办）实习过程中的任务，困难。反问 无八股，无手撕

求内推