前两天冲字节一面花不少时间，然后放松了一下有点掉状态，今天正好跟面试官互撕项目回一下蓝1. 自我介绍 优势2. 完整地介绍公司业务、个人工作3. 介绍公式编辑器（技术栈选型的考虑、公式节点数据结构的设计、手搓公式渲染器的契机、导出格式的设计、Taro API 的跨平台适配器）4. 介绍日志记录器（需求、字段设计）5. React 的主要特性（函数组件、hooks、fiber 树与 diff 算法避免频繁操作 DOM 树）6. 用过 Vue 吗（简历用 Vue 写的，SFC 组件能写，学起来应该不难）7. Webpack 和 Vite 打包区别8. 入职时间等9. 反问（公司业务 实习生工作 对...

我觉得我经历很丰富啊，为什么在西安只有7k😭

1. 自我介绍 简单聊聊你写的这个项目2. bge-m3 的预训练过程是什么，为什么它可以高效检索bge-m3 的核心不只是“做 embedding”，而是把多种检索信号统一进同一个模型框架里。它同时支持 dense、sparse 和 multi-vector 三种表示。dense 负责语义层面的相似性，sparse 更接近词项权重匹配，multi-vector 则适合处理长文档、多粒度语义对齐。这样一个 query 不再只依赖单一路径召回，所以在复杂检索场景里更稳。从训练角度看，它一般不是只靠单一对比学习目标，而是会结合多任务数据，让模型既学语义匹配，也学词面相关性和局部对齐能力。高效检索的...