页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「Embedding 选型」找到 178 条内容
按专题浏览 →匹配正文：…烦」这句话说得越具体,项目越像真的。 技术决策和权衡是四条里最值钱的。面试官真正在挖的是「你在岔路口选了哪条、为什么」。切块策略、嵌入模型选型、混合检索的权重、什么情况下检索失败怎么兜底——每一个「选了 A 没选 B」的地方都是一个可讲的决策点。 量化结果哪怕数字是自己构造的测试集测出来的,也远胜于没有。「召回率 81%」自带追问入口(怎么测的、测试集怎么来的),而「效果不错」是死路,面试官接不下去,只会觉得你没做过。 扛住追问是前三条的验收。一个技术点如果只经得起一层提问,…
匹配正文：…块职责 "把你的链路画一下,数据怎么流" 文档预处理与切分 chunk 策略 + 大小的对比数据 "切多大、为什么、试过别的吗" Embedding 选型 选了哪个模型、和备选的对比 "为什么这个 embedding,维度/成本怎么权衡" 检索召回·混合检索 向量+关键词混合的召回对比 "只用向量行不行、混合提升了多少" 重排与检索优化 加 rerank 前后的指标变化 "rerank 解决什么问题、值不值这点延迟" Query 理解与改写 改写/扩写对难 query 的效果…
匹配正文：… Rerank 模型应该怎么选？ 本题只保留和“成本”直接相关的判断：在固定粗召回候选上比较排序质量、候选截断、批量吞吐和尾延迟。Embedding 与 Rerank 的完整候选筛选、榜单边界、部署约束和迁移流程，单独放在 模型选型题 中展开。 Embedding 与 Rerank 的选型矩阵 Embedding 先看召回覆盖和索引成本，Rerank 再看排序质量与成对推理成本。榜单只能缩小候选范围。 这张图在本题里的用途，是提醒你把“排序收益”和“成对推理成本”放在同一张表…
学习内容与项目面试，在同一条路上。