快手内推快手内推快手内推快手内推快手内推

上一段小厂实习经历不太相关直接被忽略项目部分挑两个其中你觉得优化效果最好的方法说明一下数据分布这块做过什么处理吗？学习过第一名的方案吗，他用了哪些方法？围绕语义ID讨论一点八股你生成语义ID后自己查看过生成的数据效果如何吗，怎么看这个效果如何？你加入的语义ID和多模态embedding哪个提升效果更好，你觉得是为什么？手撕部分：随便开一个本地IDE写在一个二叉搜索树中找到小于m的最大值

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...