Реальный собесConstructor2026-01-19
Constructor MLSD: candidate generation и ranking для e-commerce search
Собеседование про search/ranking платформу: lexical и semantic candidate generation, LTR-ранжирование, бизнес-цели, session personalization, latency и эксперименты.
Таймлайн собеседования
Компактный список вопросов и задач по ходу записи: раскрывайте только нужные детали.
00:03:35-00:11:40MLSD
MLSDФормулировка задачи search ranking
00:11:40-00:20:18Вопрос
ВопросLexical и semantic candidate generation
00:20:18-00:30:10Вопрос
ВопросФичи для финального ранжирования
00:30:10-00:41:35MLSD
MLSDProfit, relevance и sponsored constraints
00:41:35-00:52:42Вопрос
ВопросSession personalization в поиске
00:52:42-01:05:20Вопрос
ВопросServing, latency и A/B тестирование
Выводы и как готовиться
- У search ranking есть два разных слоя: candidate generation для recall и ranker для оптимизации порядка.
- Random order после кандидатов почти всегда сигнал, что нужно обсуждать LTR, business features и experiment design.
- Для e-commerce search важно явно учитывать availability, profit, sponsored constraints и query intent.