合肥本源量子

自我介绍项目应用场景是什么技术挑战，怎么解决的怎么查询OOM的除了你项目里的还有哪些场景会OOM呢使用哪些工具进行OOM定位呢hashmap跟currenthashmap的区别项目的性能瓶颈在哪怎么做系统测试的举一个例子或者是一个场景说一下怎么设计测试用例的接口测试用例怎么设计的有没有做过自动化脚本的开发怎么去定位系统的性能瓶颈呢数据库事务死锁，怎么避免死锁慢查询怎么定位，大概有哪些原因导致慢查询一个数据量非常大的平台，大概是怎么去设计一个测试表呢AI用的多吗，了解一些前沿知识吗手撕：验证二叉搜索树（ACM模式，自己创建树节点）你应该怎么设计这个算法题的测试用例呢反问

目前这个简历投直接秒挂，想问问各位大佬哪里出问题了

1. 介绍一下 bge-m3 和 DBSCAN，以及它们各自的优势bge-m3 是一个面向检索场景的多功能 embedding 模型，它的特点不是单一做稠密向量表示，而是把 dense、sparse 和 multi-vector 几种检索能力统一到一个模型里。dense 表示负责语义相似，sparse 表示更接近关键词匹配，multi-vector 更适合长文档和细粒度匹配。这样做的好处是一个模型可以兼顾语义召回和词面召回，尤其适合知识检索、教育问答、题目匹配这类场景。DBSCAN 是一种基于密度的聚类算法。它通过两个参数来定义簇：一个是邻域半径 eps，一个是形成核心点所需的最小样本数 mi...