1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

做技术面试官这些年，筛选简历时见过太多光鲜亮丽的背景，却也常常被一些“不起眼”的细节打动。今天想分享的这个面试案例，核心很简单：一位候选人，算法题发挥失误没写对，但我从一开始就因为他的开源项目决定面试他，最终也因为这个项目，给他高分通过，也想借这个案例，跟正在求职的应届生聊聊，什么才是面试中真正的加分项。每天筛选几十份简历，大多是名校背景、大厂实习加持的应届生，难免会审美疲劳。直到看到这位硕士候选人的简历，没有亮眼的第一学历，也没有大厂实习经历，项目经历也只有一个Linux相关的开源项目，但就是这个项目，让我瞬间停下了滑动鼠标的手——这个开源项目，其实并不是什么高大上的生产力工具，只是个安卓手...