AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
科大讯飞面试题
为什么在RAG中Embedding召回之后还需要…
科大讯飞面试题
更新 2026-08-05
为什么在RAG中Embedding召回之后还需要Rerank?
科大讯飞
人工智能
专业服务
技术原理
方案权衡
考察说明
考察对两阶段检索原理的理解和必要性判断
回答思路
说出Embedding和Rerank机制差异
解释向量相似度与相关性不一定等价
说明Rerank如何弥补原始向量召回不足
提及性能和延迟代价
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。
开始模拟面试
登录查看答题指导
换一题
上一题
请说明 Redis 缓存实现的关键步骤,以及缓存更新时如何保证一致性。
下一题
请描述一个需要负载均衡的典型场景,并说明你会如何设计负载均衡方案。
本题还出现在
专业服务行业面试题
人工智能面试题