最近参加了一场大模型相关岗位的面试,面试的内容涵盖了多个方面,包括大模型的基础知识、RAG(Retrieval-Augmented Generation)、强化学习、部署的技术细节,尤其是关于如何将大模型应用到自动驾驶场景的讨论。面试的强度较高,涵盖的内容也较为广泛,以下是我总结的面试问题和相关知识点,希望对大家有所帮助。
1. 自我介绍
面试的第一环节是自我介绍,主要是让面试官了解我的基本背景、教育经历、工作经验以及技能特长等。这个环节的目的主要是进入面试状态,并为后续更深入的技术性问题做好准备。
2. 项目面
在简历上提到过一个RAG项目,因此面试官围绕这个项目进行了较为深入的提问:
-
问:聊一下RAG项目的总体思路?
我简要介绍了RAG(检索增强生成)模型的工作原理,如何通过引入外部知识库来增强生成模型的能力,并提升模型在低资源任务上的表现。
-
问:在做RAG项目过程中遇到哪些问题?怎么解决的?
我提到了一个主要问题是如何处理检索结果的质量,如何通过引入更精准的检索算法提升生成效果。我通过结合TF-IDF和BERT检索模型改进了检索模块。