大佬们帮忙参考下

岗位名称：推荐算法面试时长：1h+自评分：7/10是否下一轮：待通知一、检索与排序在项目中使用的 BM25 原理是什么？相比 TF-IDF 改进在哪里？公式中每一项的含义是什么？（追问）k1 和 b 参数分别控制什么？如果 b=0 会发生什么？为什么在实际系统中要做混合检索？Sparse 检索和 Dense 检索的基本原理分别是什么？（追问）两种方式在长尾 Query 上的表现差异如何？Dense 检索中常见的相似度度量方式有哪些？为什么很多系统选择 Cosine 或 Inner Product？（追问）如果向量没有归一化，Inner Product 和 Cosine 的结果会有什么差异？在你...

26双非本鼠鼠求狠狠指点，想问各位佬我的简历还有什么修改之处，春招能找到工作吗能的话我应该把期望薪资放到多少呢

最近两天国际金价忽上忽下炒的特别火热，前天晚上心血来潮就决定写一个Agent智能分析黄金市场的项目，连续工作了20小时也是完工了，刚刚花了会儿时间也是成功在github上上线了。GoldMind 是一个基于 LangChain Multi-Agent 架构 的黄金市场智能分析平台，融合 ReAct 推理框架、RAG（检索增强生成） 与 多模型协作 技术，为投资者提供深度市场洞察。系统基于 GLM-4-Plus（智谱AI）与 DeepSeek-V3 双引擎驱动，通过专用 Agent 分工协作：Market Analysis Agent 负责技术面量化分析，News Intelligence Agent 基于实时搜索进行舆情解析，Institution Research Agent 追踪主流机构观点，Investment Advisory Agent 融合多源信息生成策略建议。各 Agent 通过结构化输出实现结果融合，形成对黄金市场的全景认知。项目链接🔗https://github.com/JasonBuildAI/GoldMind球球star⭐啦哈哈哈哈哈😃附上几个前端截图，也欢迎大家提PR

1. 碎碎念：从“两眼一黑”到“意向到手”家人们，谁懂啊！刚收到小米意向书的那一刻，我手都在抖。先交代一下我的渣渣 BG：某双非普通一本，传媒专业，大二大三在两家名不见经传的小公司做过新媒体实习。简历拿出来，在清北复交满地走的校招群里，真的属于那种“背景板”选手。投小米的时候纯属抱着“雷总选我我必冲”的抽奖心态。结果笔试居然过了，收到面试通知那一刻，我整个人直接“两眼一黑”。兴奋也就持续了三秒，紧接着就是无止境的恐慌：我就那点只会写写推文、剪剪视频的皮毛功夫，拿什么去跟那群大厂实习收割机硬刚？尤其是看到面经里说，小米的面试官特别看重底层逻辑和增长思维，我当时心里咯噔一下，感觉自己那点实习经历薄...