面试题库 › 算法 / 大模型 › 向量检索的原理

向量检索的原理

难度 ★★☆在 19 场真实面经中被问到 方向:算法 / 大模型考点:嵌入与向量检索

哪些公司问过

腾讯2美团2快手2阿里巴巴2蚂蚁集团2cvte1字节跳动1华为1百度1AI Agent 面试通用题库1月之暗面1

常见岗位:AI 应用 / Agent 开发、NLP / 语音、人工智能、后端开发、Java 后端

答案要点

  1. Embedding 模型把数据编码成高维稠密向量,语义相近则距离近
  2. 查询:把问题编码成向量,找距离最近的 Top-K;度量用余弦相似度、欧氏距离、内积
  3. 精确检索太慢,用近似最近邻(ANN)索引,在召回率、速度、内存间取舍
  4. HNSW:分层小世界图,查询快、召回高,占内存;IVF:先聚类,只搜索最近的簇;PQ:乘积量化压缩向量
  5. 常用向量库:Faiss、Milvus、Qdrant 等;常与关键词检索混合使用

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题