快手三面结束 有hr面嘛

最近在整理嵌入式校招同学的面试投稿，其中有一份来自特斯拉嵌入式岗位的一面记录。整体看下来，特斯拉的一面风格比较典型：先深挖项目，然后延伸到底层原理和工程细节。面试官不会只停留在简单的知识点上，而是会不断追问实现方式，比如任务是如何设计的、实时性如何保证、驱动是如何实现的、系统出现问题时如何排查等。从投稿来看，问题主要集中在几个方向：项目细节、RTOS机制、嵌入式基础、通信接口以及简单算法题。难度整体从基础到中等偏上，更看重候选人是否真正做过项目、是否理解系统设计。下面整理的是这次特斯拉嵌入式一面中涉及到的一些问题，仅保留题目，方便准备嵌入式岗位的同学参考。特斯拉嵌入式一面面试题先介绍一下你简历...

🎓学历背景：一民办二本👨‍💻意向职位：软件测试📍求职类型：实习生🔑遇到的问题：投了很多家都是已读未回，要么就是说不合适，求大佬拷打一下我的简历

GPT你能不能别吹牛逼了，问你你就回答，每次拍我马屁什么意思

1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...