算法工程师

RAG 回答错了，不一定是模型问题。面试里要按资料、切分、召回、重排和生成分层归因。

RAG 项目的难点不是把文档塞进向量库，而是让正确资料被召回、排到前面，并在资料不足时拒答。

微调和提示词不是谁更高级，而是分别适合解决不同问题。面试里要先讲业务目标、数据条件和评估方式。

多模态项目面试不要只讲模型结构，数据质量、标注一致性、模态对齐和失败样本往往更能体现真实经验。

大模型应用真正难的是评估。面试里要讲清好答案如何定义、坏例如何积累、上线后如何持续发现问题。

搜索算法面试不只是讲模型，而是解释用户查询如何被理解、候选如何召回、排序如何评估、坏例如何修复。

推荐系统不是堆模型名。面试官更关心你如何定义目标、组织召回和排序、处理冷启动，并用实验验证业务效果。

AI 算法项目面试不只是解释模型结构，更要证明你理解任务、数据、指标、失败边界和业务收益。

算法项目面不是背模型结构，而是证明你知道模型为什么有效、什么时候失效、如何落地。

大模型应用面试不是炫模型名，而是讲清你如何把不稳定的模型输出变成可用的业务系统。