# 1. HyDE 如何通过生成假答案提升检索召回率，适用场景与局限 A HyDE 在所有查询上都优于直接检索 B HyDE 生成的内容越随意越好 C HyDE 用 LLM 生成假设文档再向量化检索，弥补短查询的表示不足，但有生成偏差与额外成本，应双路融合并用评估验证 ✓ 正确答案 D HyDE 不需要任何 LLM 调用
# 2. Query Expansion 如何通过 LLM 生成多个子查询提升召回 A 查询扩展的子查询越多越好 B 多查询扩展对召回没有帮助 C 多查询扩展通过 LLM 生成多个子查询并行检索并融合，提升召回，需控制数量与成本并按需触发 ✓ 正确答案 D 扩展子查询必须串行执行
# 3. Re-ranking 在召回-精排两阶段中如何接入 A 重排应放在向量召回之前 B 重排接入在粗召回之后、上下文组装之前，对 top-50~200 候选精排到 top-3~8，其分数取代召回分决定最终排序 ✓ 正确答案 C 重排候选数越多越好 D 重排失败时只能报错，不能回退
# 4. 图文混合 RAG 的检索链路，表格/图片如何解析、向量化与重排？ A 图片只能靠 OCR 文本参与检索 B 表格无法向量化 C 图文混合 RAG 应"能文本化就文本化、需视觉则用多模态向量"，跨模态重排统一判断相关性并保留坐标供引用 ✓ 正确答案 D 图文两路分数可以直接相加无需归一化
# 5. 表格 RAG 如何处理结构化数据的语义检索 A 表格 RAG 只需把整张表转成一个向量 B 表格应行级/分区文本化并保留表头语义，条件查询结合结构化过滤、聚合查询走工具执行，而非全部依赖向量检索 ✓ 正确答案 C 数值比较查询适合纯向量检索 D 行块不需要表头信息
# 6. 跨模态检索的评估集如何构造 A 跨模态评估集应混合单模态与跨模态查询、用成对标注与互检样本标注，按模态对分层报告指标并控制模态分布偏差 ✓ 正确答案 B 跨模态评估集只需文查文样本 C 跨模态标注无需一致性检验 D 模态数量不平衡不影响评估
# 7. Late Interaction（ColBERT 类）与稠密向量在文档级检索中的精度-成本对比？ A ColBERT 与单向量在精度上完全相同 B ColBERT 索引体积与单向量相同 C ColBERT 不能做两阶段加速 D Late Interaction 保留 token 级交互精度高于单向量，但索引与存储成本高，实践中常以单向量粗召回、ColBERT 或交叉编码器精排组合使用 ✓ 正确答案
# 8. GraphRAG 与向量 RAG 的适用边界，多跳关系查询 vs 语义相似检索？ A 向量 RAG 适合语义相似与段落级答案，GraphRAG 适合多跳关系与全局主题，应按查询分布与语料规模决策并可用路由混合 ✓ 正确答案 B 语义相似检索必须用 GraphRAG C 图谱构建没有任何成本 D 向量 RAG 擅长多跳关系推理
# 9. 多模态文档的解析，PDF/表格/图片的 OCR 与版面理解？ A 多模态解析只需对图片做 OCR 即可 B 版面理解与表格识别无关 C 应做版面理解识别区域与阅读顺序、按需 OCR、表格结构识别与图片 caption，并保留页码坐标与解析失败处理 ✓ 正确答案 D 有文本层的 PDF 也必须 OCR
# 10. 多跳/迭代检索（iterate-retrieve-read、Agentic RAG）在复杂问题拆解中的工程价值，以及检索步数与成本的控制？ A 多跳迭代检索的跳数越多答案越好 B 每跳都应传递全部历史文本 C 迭代检索的价值在问题拆解、证据累积与可解释性，需用跳数上限、收敛检测与预算控制成本，并监控终止原因 ✓ 正确答案 D 达到跳数上限时继续硬答即可
# 11. 检索质量评估指标，Recall@k、MRR 与 nDCG 分别度量什么，在多模态与跨模态场景如何构造相关性标注集？ A Recall@K 度量第一个相关结果的位置 B Recall@K 度量覆盖率、MRR 度量首个相关位置、nDCG 度量整体排序质量，跨模态标注集需按模态对分层并做一致性校验 ✓ 正确答案 C MRR 对后续相关结果敏感 D 跨模态标注无需考虑模态类型
# 12. 混合检索（稠密 + 稀疏）的融合策略，BM25 与稠密向量的分数归一化与加权融合（RRF、线性加权），在长尾与冷启动场景的互补性？ A 融合前需分数归一化，冷启动与分数不可比时用 RRF、有标注数据时用线性加权，两路在长尾与冷启动场景互补 ✓ 正确答案 B BM25 与余弦相似度可以直接相加 C RRF 依赖分数归一化 D 冷启动期 BM25 信号不稳定
# 13. 重排（Re-ranking）的工程落地，交叉编码器重排的延迟与成本控制、候选集大小选择，与精排分数如何校准？ A 重排候选集越大效果越好且无成本 B 重排输出不需要阈值判断 C 交叉编码器重排需压缩候选集、轻量化模型与 batch 化控制成本，并用收益曲线选候选数、校准分数用于阈值与融合 ✓ 正确答案 D 重排分数可以直接跨查询比较
# 14. 检索结果的增量更新，文档新增/删除/修订后，向量索引与缓存如何增量更新，陈旧向量如何识别与剔除？ A 文档更新后只需重新写入新向量即可 B 增删改应通过 upsert、墓碑与版本号增量更新索引，缓存键绑定索引版本失效，并用元数据与指纹识别剔除陈旧向量 ✓ 正确答案 C 缓存无需随文档变更失效 D 删除只需物理删除无需墓碑
# 15. 多模态 RAG 的评估，检索模态混合时，图文相关性如何统一打分？ A 图文相关性无法统一打分 B 跨模态相关性按语义对应与事实一致判定，用多模态模型打分并归一化到统一尺度，按模态对分层报告指标 ✓ 正确答案 C 装饰性图片也应算作相关证据 D 图文混报指标即可，无需分层
# 16. 图文联合检索如何用跨模态 Embedding（如 CLIP 类模型）实现，文本与图像统一向量空间的工程代价与局限如何评估 A CLIP 对专业领域图表直接可用且效果最佳 B CLIP 类模型通过对比学习对齐图文空间，但存在领域适配、细粒度不足与文本侧能力弱的局限，需按证据类型评估与补充 OCR 文本化 ✓ 正确答案 C CLIP 文本编码器擅长长文本检索 D 图文共享空间后无需按模态评估
# 17. 检索结果的相似去重（语义重复、多文档重复信息）应如何实现，去重与重排的顺序与代价如何权衡 A 去重只会提高质量，没有代价 B 先重排再去重一定比先去重再重排差 C 可用哈希与向量相似度检测重复，采用"轻量去重前置 + 重排后分数感知去重"的两段式，并监控去重误杀率 ✓ 正确答案 D 去重只需在展示层做一次
# 18. 多模态 RAG 的评测，图表问答的准确率衡量？ A 图表问答应按答案类型分层衡量（数值精确匹配、趋势结构化比对、总结语义判定），并校验数值来源与证据归属 ✓ 正确答案 B 图表问答准确率只需按对错二元判断 C 数值幻觉无法检测 D 图表类型不影响评测设计
# 19. 多模态检索的索引，图像与文本的统一向量空间？ A 统一向量空间必须使用单一模型 B 图像向量无法与文本向量共存于一个索引 C 图文统一空间可用多模态模型或双空间映射构建，配合分索引与模态标签组织，并用互检样本验证对齐质量 ✓ 正确答案 D 统一空间的图文分数天然可比
# 20. 图文混合检索的索引结构，文本向量与图像向量的联合索引、模态标签过滤与统一打分如何设计？ A 图像块不需要关联文档 ID B 图文必须分别建独立索引且不可联合查询 C 模态标签只用于展示 D 图文可建统一 collection 加模态标签的联合索引，支持按模态过滤与图文配套返回，跨模态分数归一化后统一打分 ✓ 正确答案
