AI 产品经理面经
按实际面试轮次整理的问题清单
校招1 个轮次14 道题
面试轮次
14 道一面
- Prompt优化、RAG优化、模型微调三种技术方案分别适用于什么场景？如何判断优化优先级？
- 医疗AI场景为什么通常采用“大模型+RAG”的技术方案，而不是直接依赖通用大模型生成答案？
- 如果RAG系统上线后出现回答不准确的问题，你会如何判断问题来自召回、排序、知识库还是大模型生成能力？
- 在医疗知识库建设过程中，如何设计知识切片(Chunk）策略？不同切片方式会对模型效果产生什么影响？
- 如果用户输入症状描述后，AI直接给出疾病判断，没有进一步追问关键病史信息，你认为应该如何通过技术方案优化？
- 医疗大模型如何降低幻觉（Hallucination）问题？除了增加知识库，还有哪些技术优化方式？
- 如果医疗大模型离线评测准确率提升，但是线上用户投诉没有下降，你认为可能有哪些技术原因？
- 如果需要提升AI医生多轮问诊能力，你认为技术上应该重点优化哪些模块？
- 医疗AI产品为什么需要引入Agent架构？相比普通Chatbot,Agent解决了哪些问题？
- 如果设计一个AI问诊Agent，你认为需要包含哪些核心能力模块？
- 如何设计医疗大模型的评测体系？除了准确率，还应该关注哪些技术指标？
- 如果模型响应耗时由 2 秒增加到 8 秒，但医学回答准确率提升了 5%，你认为是否应当上线？如何权衡效果、延迟和用户体验？
- 如果模型简单疾病回答效果很好，但是复杂病例、多轮对话和长文本理解能力较差，你认为可能是什么技术原因？
- 如果负责AI医疗报告解读功能，你会如何设计从图片识别、信息抽取到大模型生成结果的完整技术方案？
本页由用户经历或公开材料匿名整理，仅供求职准备参考，不代表相关公司的官方题库或招聘承诺。如内容涉及个人信息、保密材料或权利争议，请联系网站备案主体申请更正或删除。