真面经，好答案。面试之前，先来面栈。
小红书

大模型算法二面面经

发布时间：面试阶段：二面招聘类型：校招作者：rush_32查看原帖

反馈（在 GitHub 新标签页打开）
完整信息
岗位名称：
大模型算法
岗位分类：
算法与模型研发
技术方向：
大模型与生成式 AI、AI 应用与 Agent
归档编号：
MJ-NC-2026-1160
作者：
rush_32
原帖标题：
小红书大模型算法春招二面
所属公司：
小红书
面试阶段：
二面
招聘类型：
校招
招聘季：
春招
发布时间：
更新时间：

12 条问法 · 14 道题

本篇目录
继续来分享下之前的面经~欢迎友好讨论，信息共享 1- RAG痛点 2- 检索精度与召回率的平衡（如chunk粒度优化） 如何解决多跳推理问题？ 3- 知识更新机制（小红书UGC内容高频更新如何应对 4- LLM针对RAG的优化 5- 是否用LLM直接生成Embedding？如何解决生成式检索的稳定性 6- 提示工程优化（如HyDE技术在小红书的应用场景）。 7- 幻觉问题 8- 检索结果置信度过滤方案？是否引入知识图谱作为验证层 9- 检索污染处理 10- 用户生成内容（如错误美妆知识）如何清洗？实时性（如突发谣言）如何应对 11- 图文对RAG产品设计 12- 多模态检索方案（图文联合Embedding vs. 分离对齐） 13- 如何将用户评论/标签纳入检索增强
本篇目录

当前问题0112

  1. 01
    RAG痛点
    关联题目RAG 检索遇到过哪些问题，如何定位和改进？RAG 与知识系统 / 召回策略与检索项目深挖进阶13篇相关面经
  2. 02
    检索精度与召回率的平衡（如chunk粒度优化） 如何解决多跳推理问题？
    关联题目RAG 检索中如何平衡精准率与召回率？RAG 与知识系统 / 召回策略与检索技术决策进阶1篇相关面经关联题目需要多次检索的多跳推理和复杂逻辑查询如何优化 RAG？RAG 与知识系统 / 召回策略与检索方案设计进阶3篇相关面经
  3. 03
    知识更新机制（小红书UGC内容高频更新如何应对
    关联题目知识库持续更新时，怎样更新向量索引、处理缓存失效并避免召回旧文档？RAG 与知识系统 / 知识更新、版本与权限系统设计深入14篇相关面经
  4. 04
    是否用LLM直接生成Embedding？如何解决生成式检索的稳定性
    关联题目已有生成式大模型时，嵌入模型仍承担哪些职责？模型基础与推理 / 模型选型与能力边界比较选型基础2篇相关面经关联题目生成式检索如何保证结果稳定和有效？RAG 与知识系统 / 召回策略与检索方案设计进阶1篇相关面经
  5. 05
    提示工程优化（如HyDE技术在小红书的应用场景）。
    关联题目HyDE 是否有必要，适用于哪些检索情境？已有答案RAG 与知识系统 / 查询理解与改写比较选型进阶9篇相关面经
  6. 06
    幻觉问题
    关联题目如何识别并治理大模型幻觉？已有答案AI 应用工程与治理 / 生成质量与幻觉治理故障排查进阶95篇相关面经
  7. 07
    检索结果置信度过滤方案？是否引入知识图谱作为验证层
    关联题目RAG 如何过滤低置信度检索结果，知识图谱能否作为验证层？RAG 与知识系统 / RAG 评测与故障排查方案设计进阶1篇相关面经
  8. 08
    检索污染处理
    关联题目RAG 如何识别和处理检索污染？RAG 与知识系统 / RAG 评测与故障排查故障排查进阶1篇相关面经
  9. 09
    用户生成内容（如错误美妆知识）如何清洗？实时性（如突发谣言）如何应对
    关联题目UGC 知识库如何清洗错误内容，并及时应对突发谣言？RAG 与知识系统 / 知识更新、版本与权限方案设计进阶1篇相关面经
  10. 10
    图文对RAG产品设计
    关联题目如何设计面向图文内容的 RAG 产品？AI 应用工程与治理 / 产品场景、业务价值与交付边界方案设计进阶1篇相关面经
  11. 11
    多模态检索方案（图文联合Embedding vs. 分离对齐）
    关联题目多模态检索中，图文联合 Embedding 与分离后对齐有什么区别？RAG 与知识系统 / 多模态文档处理比较选型进阶2篇相关面经
  12. 12
    如何将用户评论/标签纳入检索增强
    关联题目如何将用户评论和标签纳入 RAG 检索增强？RAG 与知识系统 / 文档切分与元数据方案设计进阶1篇相关面经

相关公司