什么是混合检索（Hybrid Search）？稀疏检索和稠密检索如何结合？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 混合检索结合BM25等词项匹配与向量语义检索，使精确关键词和语义改写都能被召回。 面试回答要点 稀疏检索擅长型号、专有名词和精确词项。 稠密检索擅长语义相近但用词不同的表达。 两路结果可用R…
Read articleThe archive
The Journal
Notes on frontend development, engineering, and everyday ideas. Find a subject and start reading.
实体链接（Entity Linking）是什么？怎么把文本里的提及映射到知识库？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 实体链接把文本里的实体提及连接到知识库中的具体实体ID，是NER之后的消歧步骤。 面试回答要点 先用别名、词典或向量检索生成候选实体。 再结合上下文、实体描述与图谱关系做排序。 设置无匹配阈…
Read article图谱推理（Knowledge Graph Reasoning）是什么？怎么做多跳推理？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 图谱推理沿已有实体关系路径或规则推断新事实；多跳推理需要把多个相邻关系组合成证据链。 面试回答要点 先识别问题中的起点实体与目标关系。 可用规则、路径搜索、图算法或嵌入模型寻找候选答案。 限…
Read articlePipeline方式和联合抽取（Joint Extraction）有什么区别？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 Pipeline先识别实体再分类关系，模块清晰却容易误差传递；联合抽取同时预测实体和关系，可让两类信息相互约束。 面试回答要点 流水线便于模块替换与定位问题，但实体漏检会使关系阶段无从补救。…
Read article多语言知识库怎么构建？知识的跨语言对齐怎么做？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：困难 来源：牛面题目详情 一句话答案 多语言知识库应让不同语言中的同一实体和关系映射到统一标识，同时保留各语言名称与来源。 面试回答要点 从各语言数据抽取知识并建立统一schema。 结合翻译、多语言嵌入和已有跨语言链接做实体对…
Read article关系抽取（Relation Extraction）是什么？怎么识别实体之间的关系？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 关系抽取从文本中的实体对识别语义关系，输出可用于知识图谱的结构化三元组。 面试回答要点 先识别实体及其边界，再对候选实体对做关系分类。 规则、监督学习和远程监督各有覆盖率与标注成本差异。 要…
Read article命名实体识别（NER）怎么做？BIO标注是什么？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：简单 来源：牛面题目详情 一句话答案 NER识别文本中的实体边界与类别；BIO把每个token标成实体开头、实体内部或实体外部。 面试回答要点 B表示实体起始，I表示同一实体内部，O表示非实体。 在标签上附类型，如B-PER、I…
Read article如何构建RAG系统的Ground Truth数据集？标注方法有哪些？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 RAG的Ground Truth至少要包含问题、相关证据和可接受答案，才能分别评测检索与生成。 面试回答要点 样本可从真实查询、专家编写或文档驱动的合成问答获得。 标注相关文档片段、答案、不…
Read article如何选择合适的Embedding模型？开源模型vs闭源API的权衡？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 Embedding模型要按领域、多语言能力、检索质量、部署成本、隐私约束和延迟选择，不能只看通用榜单。 面试回答要点 用真实查询和文档评测Recall@K、MRR等指标。 闭源API集成快但…
Read article什么是Hypothetical Document Embeddings（HyDE）？如何提升检索效果？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 HyDE先让模型生成一段假设性的答案文档，再用其向量检索真实文档，以缩小问题措辞与文档表达之间的差距。 面试回答要点 用户问题先生成候选答案文本，再对该文本做embedding。 向量检索返…
Read article什么是Semantic Chunking？与固定长度切分有什么区别？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 Semantic Chunking依据主题转换或语义边界切分文本，比纯固定长度切分更注重每个片段的完整意思。 面试回答要点 可根据句向量相似度、标题层级或段落结构找边界。 固定长度法实现快、…
Read article实体消歧（Entity Disambiguation）怎么做？苹果是水果还是公司？
日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #知识工程 难度：中等 来源：牛面题目详情 一句话答案 实体消歧利用上下文和知识库候选信息，判断一个歧义提及在当前句子中指向哪个实体。 面试回答要点 先生成候选实体，例如“苹果”可能对应公司或水果。 结合邻近词、实体类型、知识图谱关系和候选描述打…
Read articleNo matching articles
Try another keyword or reset your filters.