你的 RAG 召回 top 50，准备加 cross-encoder rerank。线上 QPS 30，端到端 P99 预算 200ms，其中检索部分已经占了 60ms。请给出你的 rerank 方案：候选数取多少？选什么模型？延迟怎么压到预算内？如果候选数从 50 提到 200，收益和延迟各会怎么变？

面试官在考什么

判断候选人能否把 rerank 当成一个延迟受限下的工程优化问题，而不是「加个 reranker 效果就变好」的默认动作。

Rerank

回答框架 · 前两步

1. cross-encoder 要把 query 和每个候选拼在一起做一次完整前向，复杂度随候选数线性增长且无法预计算，所以只能做小候选集的精排，不能替代向量索引
2. 候选数存在边际收益拐点：从 50 提到 200 通常 recall 上限有提升但延迟近似线性上涨，需要离线扫候选数×延迟×效果曲线找拐点

延伸阅读

• 从「背过」到「能选型」：原理的三层准备法

想看这个方向的整体准备路线？ 进入「NLP 与大模型」方向页

同一能力域的其他题

• RAG 的完整链路你会怎么搭？文档切分这一步，你会怎么定 chunk 大小和重叠？为什么？
• 大模型幻觉你会怎么治理？请区分"知识型幻觉"和"指令遵循型幻觉"分别怎么处理。
• 向量检索的召回效果不好，你会从哪些环节排查？说一个你实际调过的参数和它的影响。
• 你怎么评测一个 RAG 系统的好坏？请分别说检索侧和生成侧各看什么指标、怎么构造评测集。
• 一份 200 页的 PDF 技术手册要进 RAG 知识库，目录层级清晰，但有跨页表格和一段 3000 字的长章节。业务要求答案能定位到具体小节，同时回答里要保留足够上下文。你打算怎么设计切分策略？请给出 chunk 大小、overlap、切分依据，并说明长章节和表格分别怎么处理。
• 企业知识库要入库一批 200 页左右的产品技术手册（PDF，含大量跨页表格和 3 级标题），同时还有几万条几十字的客服工单。用户 query 大多是「XX 型号的额定功率是多少」这类精确查找，也有「怎么重置设备」这类流程性问题。请给出你的切分方案：chunk 大小和 overlap 怎么定？标题层级要不要拼进 chunk？跨页表格怎么办？工单和手册要不要用同一套策略？