AI产品经理面试宝典第74天：技术边界与商业闭环的面试问题与答法
1. 技术认知：大模型能力边界判断
1.1 问：如何判断某个业务场景是否适合用大模型解决？
答：需从三个维度评估：1）任务复杂度：如医疗影像诊断需处理CT/X光差异，需模型具备跨模态理解能力；2）数据匹配度：电商客服场景中，若训练数据90%为文本而实际场景70%为图像，则模型效果会大打折扣；3）成本可控性：某银行案例显示，GPT-4调用成本是Qwen-Turbo的5倍，但若业务仅需文本分类能力则属资源浪费。
指导意见：回答时需强调"技术-业务"匹配分析框架。建议采用STAR法则：先陈述技术特性（Situation），再分析业务场景（Task），接着说明适配方案（Action），最后量化效果（Result）。例如："在医疗影像项目中（S），面对CT图像占比70%的现实（T），我们通过增加CT数据标注比例至60%（A），使准确率从65%提升至82%（R）"
1.2 问：遇到模型幻觉问题该如何处理？
答：某医疗AI项目中，模型在图像模糊时会"编造"病灶。解决方案包括：1）引入RAG增强，对接医学知识库进行事实校验；2）建立分级策略，对不确定结果自动转人工；3）数据治理，增加模糊图像标注样本占比至30%。
指导意见：需展现系统性解决思路。建议分三步走：问题定位（如通过混淆矩阵分析误判类型）、技术方案（如RAG/微调/数据增强）、效果验证（AB测试指标对比）。注意强调"技术手段+业务规则"的组合策略。