01-01 22:46 中山大学 算法工程师 发布于山东
关注
面试官:RAG项目如何提升？
一、第一层：从堆代码到搭系统
1.数据是怎么进入知识库的？
2.用了什么样的分块策略？
3.索引更新机制如何保证？
4.检索精排是怎么设计的？
二、第二层：从能检索到会优化
1.混合检索
在语义检索之外，引入关键词召回（BM25),融合两种结果，既保留语义理解，又能精确匹配术语。
2.两阶段检索
用向量召回快速找Top50，再用 Cross - Encoder 做精排，取Top5。这就是成熟 RAG 的"标配"架构。
3.查询理解
用小模型或提示词自动扩展 Query
三、第三层：从能回答到能推理
1.长上下文优化（ Long Context )
做成一个"小型知识总结助手" Demo ，就非常有竞争力。
2．强化学习（ RL )
在 RAG 上叠加轻量 RL 流程，根据反馈信号调整 Reranker 或 Prompt 策略。
3．多模态融合（ Multimodal RAG )
尝试接入图像或表格内容。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。
1.数据是怎么进入知识库的？
2.用了什么样的分块策略？
3.索引更新机制如何保证？
4.检索精排是怎么设计的？
二、第二层：从能检索到会优化
1.混合检索
在语义检索之外，引入关键词召回（BM25),融合两种结果，既保留语义理解，又能精确匹配术语。
2.两阶段检索
用向量召回快速找Top50，再用 Cross - Encoder 做精排，取Top5。这就是成熟 RAG 的"标配"架构。
3.查询理解
用小模型或提示词自动扩展 Query
三、第三层：从能回答到能推理
1.长上下文优化（ Long Context )
做成一个"小型知识总结助手" Demo ，就非常有竞争力。
2．强化学习（ RL )
在 RAG 上叠加轻量 RL 流程，根据反馈信号调整 Reranker 或 Prompt 策略。
3．多模态融合（ Multimodal RAG )
尝试接入图像或表格内容。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。
全部评论
相关推荐
查看15道真题和解析 2025-12-18 16:23
第一拖拉机制造厂拖拉机学院 前端工程师 点赞 评论 收藏
分享
点赞 评论 收藏
分享