飞书后端提前批三面

自我介绍
挑一个你最想说的项目介绍一下,介绍一下难点
分布式锁你是怎么做的
红锁有了解过吗
抢课的逻辑是怎样的
如果流量突增你该怎么做
算法:无重复最长子串,编辑距离
腾讯转正流程发起了吗
是想工作还是考研,为什么没有考研的想法
在腾讯给你最大的感受是什么,你对你自己完成的工作打几分
你这个职位未来的职业发展是怎样的
专门处理工单的话有没有什么高效的方式增加工作效率
你说的方式目前腾讯有没有在做
你觉得有没有做的不好的地方
你有没有思考刚刚说的不好的地方怎么去改进
这些想法有没有对ld说,他有没有采纳

#字节# #秋招#
全部评论
许愿oc😭😭
3 回复 分享
发布于 2024-08-12 16:32 广东
字节✌🏻
1 回复 分享
发布于 2024-08-13 15:25 广东
速度oc,等着吃你请的帝皇蟹呢
点赞 回复 分享
发布于 2024-08-12 16:40 广东
不是哥们😲
点赞 回复 分享
发布于 2024-08-13 18:36 北京
佬 请问是啥base
点赞 回复 分享
发布于 2024-08-14 20:57 江苏
佬请问base在哪
点赞 回复 分享
发布于 2024-11-10 14:36 美国

相关推荐

03-17 17:46
已编辑
哈尔滨工业大学 产品经理
#面试#  #秋招#  #春招#  #牛客创作赏金赛#  #产品经理#  #Ai产品经理# RAG(Retrieval-Augmented Generation)是一种结合了信息检索和文本生成的技术,通过检索相关文档来增强生成模型的能力。RAG的核心思想是在生成文本时,先检索与输入相关的文档,再基于这些文档生成回答。这种方法不仅依赖模型自身的知识,还能利用外部信息源,提升生成内容的准确性和丰富性。应用流程1. 输入处理:   - 用户输入问题或请求。   - 系统对输入进行预处理,如分词、去停用词等。2. 文档检索:   - 使用检索模型(如BM25、DPR)从外部文档库中查找与输入相关的文档。   - 检索模型根据输入与文档的相关性进行排序,返回最相关的文档。3. 生成回答:   - 将检索到的文档和用户输入一起输入生成模型(如GPT)。   - 生成模型结合输入和检索到的文档,生成最终回答。4. 输出结果:   - 系统将生成的回答返回给用户。   - 可根据需要提供检索到的文档作为参考。应用场景- 问答系统:通过检索外部文档生成更准确的回答。- 内容生成:在撰写文章或报告时,检索相关文献增强内容质量。- 客服系统:结合知识库生成更专业的回复。优势- 准确性:通过检索外部信息,减少模型生成错误。- 可解释性:提供检索到的文档,增强结果的可信度。- 灵活性:适用于多种任务,如问答、内容生成等。挑战- 检索质量:检索效果直接影响生成结果。- 计算资源:检索和生成过程需要大量计算资源。- 实时性:大规模文档库的检索可能影响响应速度。RAG技术通过结合检索和生成,提升了生成模型的性能,适用于多种应用场景,但也面临检索质量、计算资源和实时性等挑战。
点赞 评论 收藏
分享
评论
11
22
分享

创作者周榜

更多
牛客网
牛客企业服务