360大数据算法一面20分钟卒

1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...

不过大厂的面试确实比小厂能学到更多

主播27号面完，到现在还显示这个是不是要挂了啊

985，测试开发方向，用数据说话，当个记录。截至今天共投递：34家已推进：9家（进入笔试或面试环节）已凉：3家（明确拒）无反馈：22家进展较好的：字节 → 技术面2轮，等HR阿里蚂蚁 → 一面通过美团 → 笔试通过，面试约下周网易、百度 → 笔试阶段测试岗投递节奏感觉和开发不一样，很多公司反馈慢，要主动催，建议大家建个表格跟进。网申效率这块，推荐一下牛客的网申助手，我34家里有一半是用它填的，信息录一次各家自动同步，字段识别率挺高的，省了不少时间，能把精力放在准备笔面试上。测试方向的同学，你们现在投了多少家了？