亚马逊合规运营面试完多久出结果

二面1. 自我介绍2. 实习经历（这里只写可能通用考察的问题）如何定位系统的瓶颈，然后如何优化的？为什么重试需要使用二级队列优化，具体怎么做的？3. AI相关RAG 整体链路如何搭建？如何做Query的改写？向量数据库的选型？4. 算法两个线程交替打印奇偶数三面1. 自我介绍2. 职业规划相关后续规划，读研还是工作对AI的看法3. 学习如何学习新的知识和技术对AI coding的实践

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

1、自我介绍2、讲一下你做过的一个最有代表性的项目3、RAG 里 chunk 怎么切，为什么这是个关键点chunk 切分会直接影响召回质量和最终回答质量。因为向量检索不是按整篇文档检，而是按切分后的片段检。如果切得太长，一个 chunk 里会混入很多无关信息，虽然语义覆盖大，但相似度不一定集中，模型拿到后也不容易抓住重点。如果切得太短，单个 chunk 虽然很纯，但上下文不完整，容易导致召回回来的内容缺少关键信息。实际做的时候一般会根据文档类型来定。像制度文档、说明文档，可以按标题、段落、语义边界切；如果是 FAQ 或问答对，本身就天然适合按条切。通常还会设置 overlap，避免一个关键信息...