美团大模型应用算法一面：融合检索、重排与评测
本场面试题
- RRF 融合与简单加权有什么区别，怎样判断是否适合？
- Embedding 召回与重排模型在原理上有什么区别？
- Golden Set 怎样构建，忠实度评测的依据和稳定性怎样检查？
面经与参考答法
美团大模型应用算法一面：融合检索、重排与评测
来源自述为美团大模型应用算法日常实习一面，面试日期与部门未披露。本文选录融合检索、模型机制和评测三组问题；下列答案与例子为编辑教学补充，不代表候选人现场回答或原项目实测。
（1）RRF 融合与简单加权有什么区别，怎样判断是否适合？
不同检索器的原始分数通常不在同一尺度，直接相加会让数值范围较大的一路主导结果。RRF按各路名次累加倒数贡献，不要求先把原始分数校准到同一量纲，适合建立可解释的融合基线；代价是忽略分数间距。加权融合也可以成立，但要有明确的校准和权重依据。应在固定查询、候选范围和标注上比较单路、RRF及校准加权的排序、答案质量与成本，不能预设RRF一定更好。
教学例子（非原项目分数）：关键词路给某文档12分、向量路给另一文档0.8分，不能据数值大小断言前者更相关；先看评分定义，再选择排名融合或经过验证的分数校准。
（2）Embedding 召回与重排模型在原理上有什么区别？
以常见的双塔召回与Cross-Encoder重排为例：双塔分别编码查询和文档，文档向量可预计算，再通过向量比较快速取候选；Cross-Encoder把查询与候选一起输入模型，利用两者的细粒度交互输出相关性信号。重排通常只处理较小候选池，以控制计算和延迟；它不能补回漏召回的证据，也不保证业务效果更好。并非所有重排器都是Cross-Encoder，仍要核对具体模型的训练目标、输入限制和评分含义。
教学例子（非原项目或模型测量）：用户问v2是否支持离线运行，两个候选分别讲v1支持、v2仅联网。联合输入给重排模型机会比较版本与条件，但是否识别正确仍须验证，不能只凭同主题或分数高就采信。
（3）Golden Set 怎样构建，忠实度评测的依据和稳定性怎样检查？
用授权的真实任务、专家题和困难边界构建样本，保存问题、相关证据及版本、允许范围和评分量表，并让调优数据与最终留出数据隔离近重复。忠实度检查回答中的事实能否由给定证据支持，不能只看措辞相似或用它代替外部事实正确性。固定数据、模型、提示词和Judge版本，重要样本重复评分并由人工抽样校准，查看差异和关键切片，而不是只报一次总分。
教学例子（非原项目评测）：证据只说“试用账号可申请延期”，回答改成“所有账号自动延期”，即使主题相似也缺少支持。把适用对象与是否需申请写进量表，再检查不同评分轮次是否遵守同一依据。