真面经，好答案。面试之前，先来面栈。

联影

1 篇面经14 道面试题

官方招聘开始复习

已筛选

共 14 道题

排序：

0494
Agentic RAG 如何工作？
RAG 与知识系统RAG 架构与生成链路
原理机制
进阶
1 篇面经8 个题集来源
2757
Temperature、Top-k 和 Top-p 怎样影响模型采样？
模型基础与推理推理与解码
原理机制已有答案
进阶
1 篇面经8 个题集来源
0493
GraphRAG 是什么？
RAG 与知识系统知识图谱与 GraphRAG
原理机制已有答案
基础
1 篇面经5 个题集来源
0485
项目为什么选择本地部署模型或调用 API？
模型基础与推理模型选型与能力边界
比较选型已有答案
进阶
1 篇面经4 个题集来源
0292
进程、线程和协程有什么区别？
软件工程基础并发与异步编程
比较选型已有答案
基础
1 篇面经3 个题集来源
0323
项目使用了哪个具体模型与版本？
模型基础与推理模型选型与能力边界
项目深挖已有答案
进阶
1 篇面经3 个题集来源
0488
BM25 与向量召回为什么并用，各召回多少条进入重排？
RAG 与知识系统混合检索与重排序
方案设计已有答案
进阶
1 篇面经1 个题集来源
0489
召回已足够多时能否去掉 Reranker，排序为何影响最终回答？
RAG 与知识系统混合检索与重排序
比较选型已有答案
进阶
1 篇面经1 个题集来源
0484
普通 Python 程序如何利用多核 CPU？
软件工程基础Python 与服务框架
方案设计
进阶
1 篇面经
0486
为什么不自行训练 Embedding 模型？
RAG 与知识系统Embedding 与向量表示
比较选型
进阶
1 篇面经