美团
大模型应用算法工程师一面面经
完整信息
本篇目录
继续来分享下最近的面经~欢迎友好讨论，信息共享
1.实习拷打
2.说一下第一个项目的目标是什么，主要做了什么?
3.为什么选择rrf混合检索，而不是简单的加权?
4.这里用了hyde技术，原理是什么?为什么能提高语义匹配度?
5.结构感知切分如何确定边界?如果换个格式的文档是不是会有问题?
6.reranker和embedding模型在原理上有哪些区别?
7.专属的高质量goldendataset是怎么构建的呢?忠实度的评测是基于什么?评测结果遇到过稳定性问题吗?
8.为什么选择qwen2.5-7b这个大小?
9.第二个项目小组有多少人?自己负责的内容是哪些?大概说一下项目具体做了什么?
10.设计了边缘侧fallback降级引擎，它的一个处理逻辑是什么样的?比如云端大模型不能用的时候边缘侧该如何保证它的基本功能?
11.语义识别的准确率是如何评估的?
12.深度相机2d图像转3d坐标数据是怎么实现的?
13.三维坐标到机械臂的动作映射是解析解还是数值解?机械臂的自由度大概是多少?
14.硬件成本是如何计算的?有考虑过其他开销如人工，算力等吗?
15.langchain框架和agent在设计理念上有什么区别?在什么场景你会选择哪一种?
16.FAISS和其他的向量数据库相比他有哪些优点?
一般你会选择哪一个?
17.怎么看待rag和微调这两种方案，会倾向哪种?
本篇目录
- 01
说一下第一个项目的目标是什么，主要做了什么?
- 02
为什么选择rrf混合检索，而不是简单的加权?
- 03
这里用了hyde技术，原理是什么?为什么能提高语义匹配度?
- 04
结构感知切分如何确定边界?如果换个格式的文档是不是会有问题?
- 05
reranker和embedding模型在原理上有哪些区别?
- 06
专属的高质量goldendataset是怎么构建的呢?忠实度的评测是基于什么?评测结果遇到过稳定性问题吗?
- 07
为什么选择qwen2.5-7b这个大小?
- 08
第二个项目小组有多少人?自己负责的内容是哪些?大概说一下项目具体做了什么?
- 09
设计了边缘侧fallback降级引擎，它的一个处理逻辑是什么样的?比如云端大模型不能用的时候边缘侧该如何保证它的基本功能?
- 10
深度相机2d图像转3d坐标数据是怎么实现的?
- 11
三维坐标到机械臂的动作映射是解析解还是数值解?机械臂的自由度大概是多少?
- 12
硬件成本是如何计算的?有考虑过其他开销如人工，算力等吗?
- 13
langchain框架和agent在设计理念上有什么区别?在什么场景你会选择哪一种?
- 14
FAISS和其他的向量数据库相比他有哪些优点?
- 15
一般你会选择哪一个?
- 16
怎么看待rag和微调这两种方案，会倾向哪种?
- 17
语义识别的准确率是如何评估的?