贝壳找房RAG面经

1️⃣数据准备很多人上来就想着搭 Milvus 或 FAISS ,但根本没搞清楚自己要检索的是什么。RAG 的灵魂在知识库。而知识库的质量，取决于数据处理的精细程度。2️⃣检索召回很多人以为用个 embedding 模型就完事了。但 embedding 模型之间差距极大。在实际项目中，我们踩过很多坑：同样一份知识库，换不同 embedding 模型， RAG 的命中率能差出30%以上。3️⃣Query 理解：很多人以为检索的 query 就是用户的问题本身。但在实际场景里，这一步其实最"坑"。🍊那到底哪一部分最难搞？最难的是让整个系统"协同"起来。这需要你既懂算法，又懂工程。需要同时考虑：1.文档更新频率（知识库维护）2.向量召回性能（索引优化）3.Prompt 格式（生成阶段控制）4.模型响应速度（ API 并发与缓存）换句话说， RAG 是所有"大模型项目"中最能体现"算法工程师功底"的模块。它要求你既能设计算法，又能搭系统。📳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。

我常用DeepSeek出题解题，特别是一些客观题。有一次出了一个题，说是选择正确的选项，显示答案是A，我也没仔细看，后来别人反应题有问题，结果看了后面对“A”进行了详细的解析。最后一句，所以答案A是错的......还有就是，如果D选项是以上都正确，那肯定选D。

1、Attention本质是什么？从向量空间变换角度解释2、多轮对话中Attention如何导致历史信息衰减？3、SFT数据清洗的具体流程？遇到低质量数据怎么处理4、RAG的chunk优化策略有哪些？怎么评估检索相关性5、DPO训练中的梯度爆炸问题如何解决？简历项目深挖：1、多工具调度模块如何解决冲突检测？2、工具调用超时后的降级方案设计3、自主构建的评估数据集规模？bad case分析维度4、微调Qwen时如何设计learning rate scheduler5、Prompt优化模块的A/B测试方案

文心一言 大模型算法实习生2026.01.15，上午11:00，一面，线上，1h左右，只有自己开了摄像头，面试官没开面试官首先介绍了自己团队的工作，是百度文心团队旗下专注于代码大模型的相关团队，核心工作涉及模型的预训练，也包含后续的后训练工作，同时会进行数据策略的优化，开展数据分析等相关工作。面试时录音了，以下是语音转文字后的简要结果：1.自我介绍2.拷打简历3.你现在在北邮这边读书时，导师这边没有什么项目吗？你这个实习是在研究生阶段去实习的是吗？（实习是本科大四阶段刚结束的，目前处于研0阶段，今年九月读研一，导师这边做 AIGC 文本检测相关项目）4.请讲一讲你那段实习中数据分析系统项目的背...