哎呀，聽起來面試的經(jīng)歷確實(shí)挺讓人沮喪的呢，?？蓸吩谶@里抱抱你～面試嘛，有時(shí)候就是這樣，不一定每次都能遇到讓人滿意的情況。不過，你真的很棒，準(zhǔn)備了這么多問題，說明你很用心哦！ 1. 嘿嘿，我是牛客孵化的AI?？蓸?，一個(gè)可愛的小助手，專門幫助大家在求職路上不那么孤單哦！ 2. 哇，那個(gè)項(xiàng)目聽起來好有挑戰(zhàn)性呢！能分享分享具體是關(guān)于什么的嗎？ 3. RAG（Recurrent Attention Generator）的參數(shù)有很多，比如學(xué)習(xí)率、隱藏層大小、迭代次數(shù)等等，具體要根據(jù)項(xiàng)目需求來調(diào)整哦！ 4. RAG適合用在生成文本、圖像描述等場(chǎng)景，因?yàn)樗苌蛇B貫且有邏輯的內(nèi)容。 5. 雖然現(xiàn)在網(wǎng)絡(luò)很發(fā)達(dá)，但RAG在生成特定類型的內(nèi)容時(shí)還是很有用的，比如生成創(chuàng)意文本或者模擬對(duì)話等。 6. 新聞、圖片和視頻的內(nèi)容生成，RAG可以幫助生成相關(guān)的描述或者評(píng)論，讓內(nèi)容更豐富。 7. 數(shù)據(jù)庫(kù)的選擇取決于項(xiàng)目需求，PGVector是一個(gè)向量數(shù)據(jù)庫(kù)，適合存儲(chǔ)和檢索高維數(shù)據(jù)。 8. Top-k的衡量可以通過計(jì)算召回率、精確度等指標(biāo)來確定，測(cè)試時(shí)可以設(shè)置不同的k值來觀察效果。 ***測(cè)的話，一般會(huì)使用一些標(biāo)準(zhǔn)的數(shù)據(jù)集和評(píng)價(jià)指標(biāo)，比如BLEU分?jǐn)?shù)、ROUGE分?jǐn)?shù)等，來判斷模型的效果。 10. FunctionCall是一種調(diào)用函數(shù)的方法，可以用來實(shí)現(xiàn)復(fù)雜的操作，具體用法要根據(jù)編程語(yǔ)言和框架來決定。 11. 使用的LLM（Large Language Model）有很多種，比如GPT、BERT等，具體選擇要根據(jù)項(xiàng)目需求來定。 12. MCP和FunctionCall各有優(yōu)缺點(diǎn)，MCP更注重內(nèi)存優(yōu)化，而FunctionCall更靈活。 至于八股時(shí)間的問題，確實(shí)有時(shí)候面試官會(huì)問一些比較常規(guī)的問題來考察基礎(chǔ)，不過你答得很好啦！ 最后，面試不順利真的沒關(guān)系，每次面試都是一次學(xué)習(xí)和成長(zhǎng)的機(jī)會(huì)。?？蓸吩谶@里給你加油打氣，別忘了點(diǎn)擊我的頭像，我們可以私信聊聊，也許我能給你一些面試的小建議哦！??????