结束秋招，拒绝offer

# RAG：如何通过检索增强生成技术改进自然语言处理任务## 什么是RAG（Retrieval-Augmented Generation）RAG是一种自然语言处理方法，结合了检索和生成模型的优点，旨在提高机器在特定领域内的表达能力及知识性。这种方法首先通过检索引擎从文档集合中获取相关的信息片段，然后利用这些信息增强后续的生成过程。## RAG可以做什么？RAG技术广泛应用于问答系统、对话生成、内容摘要等领域。它能够基于用户输入快速检索到相关的文本片段，并将它们融入到最终输出中，从而显著提高了生成结果的相关性和质量。相较于传统的微调模型，RAG具有以下优势：### 1. 灵活性更高- **动态知识获取**：通过检索最新信息，RAG系统能够轻松更新其知识库，而无需进行复杂的训练过程。- **领域适应性强**：适用于多种应用场景，能够根据具体需求快速调整检索策略。### 2. 耗时更短- **减少训练时间**：相比于需要大量标注数据和长时间微调的模型，RAG在生成阶段仅需少量计算资源。- **即时响应**：用户提问后，系统可以通过即时查询获取最新信息并迅速生成回复或答案。### 3. 个性化更强- **个性推荐**：根据用户历史交互记录自动调整检索策略，提供更加贴合需求的信息片段。- **多模态融合**：不仅局限于文本形式，还可以整合图片、视频等多媒体内容进行综合展示。## RAG的优势对比微调模型### 知识更新快传统微调模型在知识库过时或需要新增知识点时，必须进行全面训练才能生效。而RAG则可以通过简单的检索操作即刻接入最新信息源，并即时反映到生成结果中。### 计算资源消耗低RAG系统通常只需要对生成阶段进行优化即可实现高效运行，而不必占用大量计算资源用于长时间的模型训练过程。这使得RAG成为处理大规模应用场景的理想选择。## 结语通过本文介绍，我们了解了RAG作为一种创新性的自然语言处理技术，具有诸多优势和潜力。希望它能够帮助更多开发者理解并应用这一前沿方法来解决实际问题！

先跟我讲了他们的业务，看到我之前的实习做的项目和他们做的很相似，所以直接让我讲一下他们的系统是怎么实现的。。。但是说的不全面，说了异步任务怎么实现的。追问任务之间涉及优先级，该怎么实现（zset），优先级相同的怎么对比时间戳问asynq的底层是怎么实现的任务之间并发如何控制，怎么做到全局控制网关可以在这里做什么还问了很多，想不起来了问几道八股吧：mysql慢sql怎么优化怎么检查是否用到索引索引什么时候会失效sql查询的执行过程是什么redis常见数据类型分别用于什么场景gmp调度过程做题：三数之和，先说了思路，写完有些细节没处理好，认可了思路让我下去再自己调试下让后续再看看一些系统设计的课程...

两个工作都是AI开发相关，待遇差不多，比较纠结的是联通的绩效考核 但是银行的名气小求大家帮助～      

1.code leetcode 72 编辑距离，秒了2.项目问了din的缺点，引出SIM问我懂不懂SIM，没答上来问了为什么DCN放特征工程，不放精排层，做stacking3.八股问了point wise,pair wise, list wise的区别，pair wise的损失函数问了MMOE的极化现象怎么解决，dropout4.反问组里做什么，端内广告(课程)推荐