许愿手子HR面

根据目前参与过美团AI面试的同学反馈，题目类型与考察方向有一定规律性，其实不难发现高频考点就那么几个，所以我用反馈出来的面经整理了一套题库，涵盖了美团ai面中反复出现的经典问题，只要认真掌握以下题目基本上就不用太焦虑。ai面规则我的建议是，ai面回答时尽量采用“第一、第二、第三”或“1、2、3”的结构化方式分点陈述，每个分点先抛出核心结论，再用一到两句话简要展开，避免长篇大论或逻辑散乱。语速一定要记住保持平稳适中，关键词可适当加重语气，确保ai的语音识别能够准确抓取得分点。整体作答控制在4分30秒左右，预留少量时间缓冲，防止超时自动跳题。如遇到完全不会的题目，不要长时间卡顿，简要说明相关思路或...

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...