搜狗 百度求比较

📍面试公司：腾讯云智💻面试岗位：后台开发❓面试问题：1.nacos三大核心组件2.nacos服务注册的流程3.Nacos的AP跟CP有什么不一样4.Redis分区集群5.Redis分区集群添加新节点数据如何转移6.Redis Sentinel 中的 Raft协议7.如何保证RabbitMQ不弄丢信息8.如何防止消费者重复下单9.WebSocket建立连接的过程10.AOP的底层原理11.如何创建单例的Bean12.如何实现互斥锁13.ArrayList的扩容机制14.java里面线程安全的list有哪些15.HTTP2.0的优点跟缺点16.I/O多路复用的底层结构17.I/O多路复用的中的事件通知模式18.手撕：不加锁的情况下，两个线程按顺序交叉打印1-100的数字。还有什么方式实现？反问：Q:我这次面试过程有那些地方需要改进（其实我感觉已经寄了）A：我不能告诉你我的面评（心已经凉了），然后给了一堆中肯的建议Q：.......忘了，好像是多少天出结果🙌面试感想：这次面试持续了80多分钟，面试官给人的感觉非常沉稳，一看就知道这个人强的可怕，然后开始拷打我的项目，说的并不是很好，在问我锁的粒度后，深挖了许多新东西，然后根据我简历上面的写的技术栈问我八股，都是一些底层的东西。虽然面试过程比较严肃，但是这位面试官给的建议也是非常中肯的，其中有一条是：你简历上面写的技术栈一定要去了解它的底层原理。希望看到我这篇面经的同学能够互勉算上前两次面试，主播也是三面云智了（狗头）今天晚上显示业务复试了，大概这两天有面试。

暑期实习到HR面阶段了，想问一下三面hr阶段会有挂的风险吗？目前在流程中的只有京东了...

1. 基础概念题：什么是大模型核心加速技术中的 “算子融合”？举例说明其作用。答案要点：算子融合是将多个连续计算算子合并为一个，减少计算图中的节点数和显存读写次数，降低延迟。举例：如将 Transformer 中的 Add（残差连接）与 RMSNorm（归一化）融合，减少两次内存访问，提升推理速度。2. 技术原理题：Flash Attention V2 如何优化注意力计算效率？与 V1 的核心区别是什么？答案要点：• V1：通过分块计算注意力，减少显存占用（避免存储所有中间键值对）。• V2：引入 “内外循环交换策略”，将矩阵乘法的循环顺序调整为更适合 GPU 并行计算的模式，进一步提升计算效率，尤其在长序列场景下加速明显。3. 量化技术中，FP8、INT4 AWQ、INT4-FP8 AWQ 的适用场景和压缩率有何差异？4. RAG 系统中，文档切分粒度如何影响检索和生成效果？实际中如何确定最优粒度？5.在长序列推理场景中，PagedAttention 和 Prefix Caching 分别解决什么问题？如何配合使用？答案要点：• PagedAttention：将 KV Cache 分块存储在非连续显存中，避免显存碎片，支持处理超长序列（如百万 Token）；• Prefix Caching：缓存历史对话的 KV 对，跨请求复用，减少重复计算（如多轮对话中复用上文缓存）。配合逻辑：PagedAttention 解决显存限制，Prefix Caching 减少计算量，两者结合可提升长对话场景的效率和稳定性。6. 在企业级推理场景中，如何根据需求选择量化方案？举例说明短文本高并发和长文本场景的优化策略。实时客服系统用 INT4 量化加速响应；金融报告生成场景用 FP8+PagedAttention 处理数千 Token 输入。

先附上已经通过的timeline： 5.22 一面 1h 三天左右过 5.27 二面 52min 十分钟过 5.29 三面 20min 三分钟过 6.4 HR面 30min 三分钟转录用评估 6.6 oc  两个月中已经面过的（只说鹅）：  wxg小程序二面挂 wxg企业微信一面挂 cdg金融科技一面挂 cdg金融科技（另外的部门）三面技术面挂 pcg腾讯文档一面挂 csigQQ浏览器四面oc  从投递至今已经两个月了，也是第一次找实习，这两个月中心态也发生了很大变化，拿鹅一家来说，面了十多次，后面干脆死磕，只面鹅，还好最终的结果总是好的 印象最深的就是wxg一面（处女面）和cdg金融科技的三...