网易二面

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。

一个朋友985末流硕士，秋招投了30多家，现在手里拿着4个offer在纠结。这一个月下来发现个事儿：不管啥岗位，面试官都开始疯狂问AI了。后端问、前端问、测试也问，搞得我一度怀疑自己是不是投错岗位了。趁着还没入职，把这段时间被问到的AI问题记录下，给后面的兄弟们避避雷。最基础但最高频的问题"你平时写代码用AI吗"这题我被问了得有20次吧。一开始我还想着要不要说用，怕面试官觉得我能力不行。后来发现不用反而更奇怪，现在都2024年了谁还不用点工具。关键是你怎么说。我见过有个哥们儿说："用啊，我现在代码基本都AI写的，我就改改。" 然后面试官问了几个细节问题他...

1. 自我介绍2. 算法题：反转二叉树3. 为什么从上一家离职4. 实习中最有成就感的地方5. 幂等如何实现6. OOM讲一下7. Integer a = 1024;Integer b = new Integer(1024);Integer c = new Integer(1024);Integer d = 1024;如果使用 == 来进行判断，会有什么结果？8. 一个整数 * 256，有什么计算比较快的方法？9. 最快的获取map中的对应关系的方法是什么？10. 现在有32个线程，我们要规定最多只能有32个线程在工作，如果有新来的，就阻塞等待，你可以怎么做？11. 扫码登录的交互流程12. for和stream流的区别？什么时候用for循环？什么时候用stream？13. 如何杀死一个进程？怎么知道pid呢？14. 怎么看一个机器中的内存占用情况呢？15. Linux系统中文件权限644是什么意思？时间：20260316

首先面试官人挺好的。开始：自我介绍与项目介绍项目拷打：我的项目是一个异步RPC框架作为服务端，还有客户端，刚开始没表达清楚。以为只有服务端问：你的服务端里面，用户ID持久化问题，每次消息过来会不会落盘，如果只存在缓存里面是不是会造成信息丢失。答：我刚才没说清楚，一共实现了两个业务功能，用户请求验证码，用户请求登录。用户消息携带用户ID(usr_ID)从客户端打过来的，接收之后就会落盘，存到数据库里面，会有一个map<usr_ID,code>,code是返回给客户端的验证码，这一步是为了利用缓存，如果用户继续请求登录，就会先从map里面查询了，如果查不到，从数据库里面找，是实现了数据...