全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 12458 道题

排序:

18756
不同业务混排时,新商品可以采用哪些优化策略?
模型基础与推理机器学习与推荐系统
方案设计
进阶
18757
Token Mixing 的时间复杂度怎样分析,与 Transformer 相比有哪些优势?
模型基础与推理模型架构与表示
原理机制
进阶
18760
RAG 项目的召回数据库怎样设计表、字段和 Schema?
RAG 与知识系统向量数据库与索引
项目深挖
进阶
18761
只依赖最终结果奖励训练模型,会产生哪些风险?
模型训练与对齐强化学习与奖励
开放讨论
—
18762
开放式任务没有非零即一的明确奖励时,怎样设计模型对齐方案?
模型训练与对齐偏好对齐
方案设计
进阶
18763
模型奖励与真实业务指标脱节时,怎样调整奖励设计?
模型训练与对齐强化学习与奖励
故障排查
进阶
18764
项目搭建离线仿真环境有什么目的和价值?
模型训练与对齐Verifier 与训练评测
项目深挖
进阶
18765
重新设计后训练体系时,怎样选择 Offline RL 与 Online RL?
模型训练与对齐强化学习与奖励
技术决策
进阶
18767
定向检索与全库兜底为什么采用不同 Top-K,怎样验证配置?
RAG 与知识系统召回策略与检索
技术决策
进阶
18768
向量相似但业务含义相反的文本怎样正确检索?
RAG 与知识系统召回策略与检索
方案设计
进阶