985，算法方向，26届。昨天刚完成美团算法岗一面，趁热记一下，方便自己复盘，也给后面投的同学参考。 面试时长：约55分钟形式：视频 考察内容： 自我介绍后直接问项目，重点挖了分布式训练部分，问梯度同步机制怎么做的，参数服务器和All-Reduce各自适合什么场景。 算法题1：接雨水（LC 42），要求O(n)时间O(1)空间，双指针方案。算法题2：手写快排，要求随机化pivot版本，问为什么要随机化。场景题：给你一个推荐系统，新用户冷启动问题怎么处理，说了基于内容的方法和利用侧信息两个方向。反问环节：问了团队方向和实习转正比例。 整体感觉中等偏难，项目问得比较细，有准备的话不会太慌。 顺带说...

不过还是挺开心的hhh

大佬们帮我看看 👉👈

1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...