面试官最爱问的大模型 RAG 高频问题清单

RAG不仅能解析普通文档知识，还支持Git代码库的拉取与解析，并提供完整的操作接口。它可以在项目开发的全流程中提供支持，需求分析、研发设计、辅助编码、代码评审，都能提供帮助，就是付费，然后感觉介绍的太高大上了，勉强凑合用吧

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...

全程拷打项目，重点在于：1.数据如何获取和筛选清洗，数据格式，输入输出，MCP的具体使用2.为什么选择Qwen3，某些sft是否必要3.多Agent如何实现协作，Langraph的特性和操作4.问了一点强化学习相关，还不是很熟悉没答太上来5.模型效果如何评测，数据集，评价指标6.Temperature为0时理论上应该可以复现模型输出，但实际上工程实现中并不能完整复现一模一样的输出，问为什么，如何解决？7.如果想要截断某个Agent的输出或者调用的大模型的输出，只保留最相关的部分，如何用代码实现8. 代码：一道hot100原题，排序数组查找第一个和最后一个，秒了

一、面试题简述你在做模型训练的时候，一般重点关注哪些指标？如果不同指标之间出现冲突，比如 loss 在下降但某些行为指标恶化，你如何判断当前训练是健康的，还是已经出现了问题？二、面试官想听的这道题本质不是问你看什么指标，而是在看三件事：1、你是否把训练理解为一个动态演化系统，而不是单点优化问题2、你是否区分优化目标指标和风险预警指标3、当指标冲突时，你是否具备判断优先级与干预逻辑真正高分的回答一定是分层、分阶段、有诊断路径、有干预决策逻辑三、面试回答举例在我看来，模型训练不是一个最小化 loss的过程，而是一个受控的动态系统优化过程。所以我不会只盯单一指标，而是把训练指标分为目标指标、稳定性指...