Embedding 模型的选型依据与优化经验
哪些公司问过
百度2华盛通1
答案要点
- 先用 MTEB/C-MTEB 缩小范围,再在业务数据上评测 Recall@K、MRR、nDCG
- 考虑语言与领域匹配、最大输入长度、向量维度、延迟和部署方式
- 常见模型:BGE 系列(如 bge-m3 支持稠密、稀疏和多向量)、GTE、M3E、OpenAI text-embedding-3
- 换模型需重建全量索引,替换成本要计入决策
- 优化:难负例对比学习微调、查询指令、BM25 混合检索、重排模型
易错点
- 只看公开榜单不做业务评测:榜单分布和业务数据差异可能很大
- 忽略查询和文档的指令前缀等使用约定,导致效果打折
- 更换模型时只换查询侧,不重建文档索引,两边向量空间不一致
面试官常见追问
- 开源模型和闭源 API 怎么取舍?
- 你对比过哪些模型,各有什么特点?
- Embedding 微调怎么做?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。