匹配口述回答：…务学习。因为CTR、CVR、ROI共享用户和广告的特征，但各自的优化目标不一样。我会用 MMoE 或者PLE这种结构，底层共享[[embedding]]，上层每个任务有自己的专家网络和门控。这样模型能学到通用表示，又不会让某一个任务主导梯度。不过这里有个坑：如果直接不加约束地联合训练，ROI这种稀疏目标很容易被CTR这种密集目标带偏。所以我会加一个动态任务权重，比如用不确定性加权或者Pareto优化，让模型在训练过程中自动调节各任务的loss比例。再一个，模型层面还可以用…

#哔哩哔哩#CTR/CVR/ROI多目标#CTR CVR ROI 冲突

面试题·RAG· OPPO

搜索评分如何融合点击与停留?

匹配口述回答：…我会把它分成三块。第一块是相关性，这个最直接，用 [[BM25]] 加一个语义相似度，比如 [[Bi-Encoder]] 算出来的向量余弦，然后过一个简单的 MLP 压到 0 到 1 之间。第二块是点击率，但注意，这里有个坑，原始 CTR 是有位置偏置的，排在前面的天然容易点。所以我会用 IPS 或者 EM 做位置去偏，得到一个无偏的 CTR 估计。第三块是用户满意度，我主要看停留时长，因为它是比较直接的满意度信号，但停留时长是长尾的，我会取对数变换，比如 log(1+dwe…

#OPPO#评分函数归一化#Scoring Function 设计

面试题·RAG· 小红书

ROI 问题怎么影响推荐效果?

…所以一般是DPP重排加曝光过滤，再配合探索流量扶持，比如给新内容一些保底曝光。但DPP的相似度矩阵怎么定义很关键，用内容标签还是用向量相似度，效果差别很大，这个我后面可以展开聊。所以我的结论是，ROl问题没有银弹，我会把训练阶段的负采样优化和解码阶段的Top-p采样看作基础配置，然后根据业务特点叠加DPP或者MMR。核心思路是让模型在利用已有知识的同时，保留足够的探索空间，这样用户满意度才能长期稳住。本质是生成式推荐在探索-利用间的失衡 Repetition像复读机，Ov…

← 上一页第 24 / 24 页

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

匹配口述回答：

#小红书#推荐多样性#ROI 问题

面试题·RAG· OPPO

内容热门度怎么量化?

匹配口述回答：…融合。再一个，全局热门和圈层热门得分开。比如一个二次元视频在B站全局热度不高，但在二次元圈子里很火。所以我会结合用户画像，用[[Embedding]]做分层热度，或者简单点，先算全局分，再乘以一个圈层相关性系数。落地时最大的风险是刷量。常见失败场景是上线后热门榜被机器人刷爆，比如一个低质量帖子因为刷了点赞冲上首页。我的做法是：对每个行为加置信度权重，比如新用户的行为权重低，同IP下的操作降权。同时做异常检测，用滑动窗口统计行为分布，偏离均值太多就临时降权。前提是日志系统要…

#OPPO#热门度量化#搜索排序指标

面试题·RAG· 百度

RAG 项目指标化复盘

匹配追问：…这种多源文档整合起来，让检索又快又准的吗？层层追问你之前做过RAG项目吧？先聊聊整体流程……数据是怎么处理的？……检索部分呢，向量加关键词召回有做吗？……那效果怎么样，有没有遇到特别难搞的问题，比如表格或者版本冲突？直球架构请详细讲一个你主导的RAG项目，从数据层、检索层到生成层，你的具体贡献是什么？遇到过哪些技术挑战，比如表格解析或结果冲突，怎么解决的？最好有量化指标。

#百度#RAG项目复盘#RAG 项目指标化复盘

面试题·检索· 美团

RAG 检索器与知识库怎么搭?

匹配口述回答：…【知识库方案】，我负责【本人职责】。文档从解析、分块、元数据和权限进入版本化索引，删除、更新和租户隔离也要能追踪，不能只说“把文档向量化”。查询侧使用【召回方案】，再通过【融合与重排】处理候选。我会说明为什么选这个组合，Top-K、RRF 常数或权重、重排候选数都来自固定评测集上的参数扫描。正确证据没进候选时先修召回；候选有答案但排名低才看重排。上下文去重、冲突和预算处理后，由【生成约束】控制引用、拒答与输出校验。效果只报告【真实指标】，并带上数据集、硬件、并发和统计窗口…

#美团#知识库构建#RAG 检索器设计