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 7744 道题

排序:

5296
K-Means 有哪些优势和局限,哪些数据需要改用其他聚类方法?
模型基础与推理机器学习与推荐系统
比较选型
进阶
5299
长文档问答如何结合摘要与 RAG,同时支持全局概括和细节查询?
RAG 与知识系统RAG 架构与生成链路
方案设计
进阶
5301
如何构造并验证嵌入或检索训练的高质量难负样本?
模型训练与对齐训练数据构建与治理
方案设计
进阶
5319
XGBoost、LightGBM 和 CatBoost 有哪些区别,如何选型?
模型基础与推理机器学习与推荐系统
比较选型
进阶
5320
什么是集成学习,常见组合框架有哪些?
模型基础与推理机器学习与推荐系统
概念解释
基础
5326
GBDT 如何拟合负梯度并完成分类或回归?
模型基础与推理机器学习与推荐系统
原理机制
进阶
5327
随机森林如何训练和预测,随机性为何有助于泛化?
模型基础与推理机器学习与推荐系统
原理机制
进阶
5328
随机森林与 GBDT 的机制和适用条件有什么区别?
模型基础与推理机器学习与推荐系统
比较选型
进阶
5330
XGBoost 如何通过目标函数和梯度信息学习树模型?
模型基础与推理机器学习与推荐系统
原理机制
进阶
5343
线性回归如何表示、拟合和解释变量关系?
模型基础与推理机器学习与推荐系统
原理机制
进阶