26.3.4 字节AI搜索一面

努力拥抱AI中…1.项目介绍2.拷打实习，问实习的同步策略是怎么做的？3.重复消息怎么解决的？你这里的重复消费的定义是什么？4.问基础相关的，SQL联合索引，mysql的引擎说一下；5.mysql的隔离级别，默认是哪一个？6.redis常用的数据结构有什么？zset底层说一下？redis的高可用怎么保证的？哨兵模式是什么？4.有看过最近的ai相关的前沿的东西比如论文啥吗？5.用过ai conding吗？你是怎么看待的？6.做题：括号生成。要求先讲思路，回溯加判断。

由于公司经营遇到了巨大问题，出现严重亏损。不得不忍痛告诉全体员工团队解散一事衷心感谢全体小伙伴们在公司付出努力与汗水目前待定截止今日，后续事宜人事小姐姐会逐步跟进安排。再次感谢各位伙伴们希望大家都能有一个好的前程，在未来的时候一定要努力奋斗，前程似锦2023年6月16日我正在开开心心的写着代码，突然来了这么一条消息；我直接原地呆住了，沉思良久我才发现办公室内寂静的可怕，没有了键盘的敲击声；有的只有同事们的呼吸声，大家都依靠在椅子上，像是在思考什么。很快大家也都接受了这个不愿看到的实事。过了一两天就在开始办理离职一类的事情了。投递简历在离职以后，我们同事之间约好一起打了2个小时的球，吃了一个饭；...

目前主流的 Embedding 模型都是 Bi-Encoder 架构（双塔模型）：query 和文档各自独立编码成向量，再算余弦相似度。这种架构的优势是速度快——文档向量可以离线算好存起来，查询时只需要算一次 query 的向量就能跟整个库比对。代价是精度不如 Cross-Encoder，所以才需要两阶段检索。✴️下面是目前开源社区里最常用的几个 Embedding 模型的核心对比：✅BGE-M3（BAAI 智源）：目前中文场景的首选。支持中英多语言，最大 8192 token 的上下文窗口，同时支持稠密向量、稀疏向量和 ColBERT 式多向量检索三种模式。在 MTEB 中文榜单上长期稳居前列。如果你不知道选什么，无脑选 BGE-M3 不会错。✅BGE-large-zh（BAAI 智源）：专注中文的大尺寸版本，在纯中文场景下精度略高于 M3，但不支持多语言，上下文窗口也只有 512 token。适合纯中文且文档较短的场景。✅GTE-multilingual-base（阿里达摩院）：阿里出品的多语言 Embedding 模型，在 MTEB 多语言榜单上表现很强。跟 BGE-M3 是直接竞品关系，两者在多语言场景下各有胜负。如果你面的是阿里，了解 GTE 是基本功。✅E5-small/base/large（微软）：微软出品，特点是有从 small 到 large 的完整尺寸梯度，small 版本只有 33M 参数，特别适合资源紧张或需要部署到边缘设备的场景。精度比 BGE 略低，但推理速度快很多。✅Jina Embeddings v2（Jina AI）：最大亮点是支持 8K token 的超长上下文。如果你的文档 chunk 特别长（比如整段法律条文或完整的技术文档章节），其他模型可能截断，Jina v2 能全部吃进去。✅MiniLM（微软）：极致轻量级，速度最快，适合对延迟要求极高或大批量处理的场景。精度是这几个里最低的，但胜在快。🌟四种经典搭配方案1️⃣经典流水线：BGE-base2️⃣检索 Top 100 → BGE-Reranker-base3️⃣精排多语言场景：GTE-multilingual-base + GTE-multilingual-rerankerGPU4️⃣紧张：E5-small + MiniLM-L6-cross-encoder（batch 推理）5️⃣长文档 / 8K：Jina-embeddings-v2 + Jina-ColBERT-v2，段内匹配更稳📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

大厂： 快车道（1-2周）：内推直推业务负责人，流程最快。一周内走完三面+OC。 普通流程（3-6周）：海投或普通内推。2-3周是简历筛选/笔试期，1-2周是面试期，最后1周是HR审核/审批期。“泡池子”是中间态，不是终点。国企/金融机构： 超长待机（1-3个月）：流程极其规范且缓慢。笔试、一面、二面、体检、背调，每个环节都可能间隔2-3周。需要极强的耐心，且通常不发拒信，默拒是常态。外企： 高效但挑剔（2-4周）：流程清晰，反馈及时。一旦进入面试，推进很快。但如果面试未通过，也会很快收到通知。