淘天AI Agent算法校招一面

1,介绍RAG流程;介绍对编码模型的了解、原理、优缺点;如何评估编码模型的能力
2,RAG有哪些分类;多模态RAG有哪些实现框架;伪多模态RAG和多模态RAG分别怎么实现,有什么区别;CLIP可以用于哪一类多模态RAG,为什么
3,RAG怎么评估,RAG评估体系中最重要的是什么
4,传统RAG有什么痛点;介绍GraphRAG,GraphRAG的难点是什么;GraphRAG如何应对增量场景
5,介绍微调负责的工作;大模型微调最重要的是什么
6,后训练有哪些方式;微调有哪些方式,分别是怎么做的;LoRA原理及参数量
7,介绍DPO;DPO与PPO的区别
8,介绍一些Agent的实现框架;这些框架有什么区别;LangGraph适用于什么场景;LangGraph构建Agent的方式有哪几种
9,场景题:客户输入一个软件或网页界面截图,如何通过RAG的方式帮助用户了解界面的每一个组件的作用(???说实话没太听懂),输入输出自己定义;相似的组件如图片框和视频框如何区分
10,算法题:2n+1个数,两两成对,找出单独的那个数
11,反问
全部评论

相关推荐

2025-12-24 15:05
门头沟学院 Python
牛客60944174...:数据源会是多源,多数据格式(包括多模态、结构化、JSON,graph等),怎么把数据进行加载清洗处理,得到合适的数据,如果一篇文章很长,怎么做分块,是直接分块,还是重叠的分,为什么这个场景要这样,有没有更好的分块或者压缩方法。在召回阶段,你的query要怎么重构,例如用户问题是“这个是什么?”这样就是语义很不清晰的,要怎么把query重构成一个语义清晰的问句,才能在查找的时候提高命中率,以及你算完相似度之后重排和召回有没有什么优化,是直接根据向量相似度排序吗?有没有别的重排参数,这些都可以优化。除此外,你的RAG应该是每次调用LLM都用一次的吧,你能不能针对每一个场景写一个表,然后分别打包成MCP,让LLM自己决定要不要用RAG,用哪个RAG,怎么用RAG,这些都可以深挖,除此外,基于向量数据库的RAG有标准流程,你可以对照每个阶段,都做一些工作。希望我的分享对你有帮助。
点赞 评论 收藏
分享
2025-12-27 22:21
门头沟学院 Java
点赞 评论 收藏
分享
评论
4
7
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务