我们现在是两阶段推荐架构：第一阶段召回用的是 embedding 点积召回，第二阶段是 MLP 跟 transformer 做多目标打分。那你觉得在我们这么大规模的数据量下，如果要做 real-time re-ranking，你会在架构上怎么做 trade-off？怎么压低 latency？
考察说明
考察推荐系统实时重排架构的延迟与效果权衡能力
回答思路
- 能明确实时重排的目标和约束，如延迟预算、效果收益
- 能对比重排环节中模型复杂度与特征计算的取舍
- 能提出具体降低延迟的手段并说明各自代价
- 能结合实际数据规模说明训练与服务的一致性考虑
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。