1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...

能的兄弟，能的，一天200k我肯定干

boss上投了200份了，还是没有约到面试，甚至没有回复，好焦虑😖

1. 自我介绍2. 项目介绍3. 项目拓展问题：如果某个智能体在运行过程中，系统突然升级重启，有什么异常恢复的思路4. 项目拓展问题：多智能体转接的底层逻辑5. 是否了解 skill，和 MCP 的区别6. 项目拓展问题：你的 RAG 项目和传统 RAG 相比，做了哪些改进，用了什么分块，检索策略7. 是否了解 MySQL 索引8. 手撕：模拟实现一个栈和队列（听到这么简单的手撕题，差点没绷住笑出声😁）9. 反问