Offer比较

base成都，投递的后端开发，一面30分钟，问了java，redis中脏数据，锁升级等等。二面15分钟，问了项目和论文，很快就通过了，开心。

✅一面1️⃣时间:1h+自我介绍2️⃣项目介绍:问的很细，过程中不停打断提问算法竞赛项目，整体数据处理流程、模型效果评估方法、心得体会3️⃣八股:简单介绍一下 BERT 和 TransformerAttention 和 self-attention 有什么区别？4️⃣Transformer 的复杂度Bert 用的什么位置编码，为什么要用正弦余弦来做位置编码？还知道其他哪些位置编码？5️⃣除了 bert 还做过哪些模型的微调？为什么现在的大模型大多是 decoder-only 的架构？6️⃣讲一下生成式语言模型的工作机理用过 LoRA 吗？讲一下原理？7️⃣算法题最大子段和跳台阶其他问后续安排和实习时长，以及反问✅二面1️⃣自我介绍2️⃣项目:深挖八股Transformer 结构和 LSTM 的区别和优势，Transformer 怎么体现时序信息？3️⃣Transformer Encoder 和 Decoder 的输入输出和结构BatchNorm 更多用在视觉上，LayerNorm 更多用在语言上，为什么有没 chatGLM，LLaMA 等部署、微调经历？4️⃣有没有了解过大模型加速推理？5️⃣讲一下 Flash Attention?6️⃣算法题先说思路再写代码1、数组中的第K个最大元素2、数组 nums 表示若干个区间的集合，请你合并所有重叠的区间，并返回一个不重叠的区间数组，该数组需恰好覆盖输入中的所有区间。输入: nums =[[1,3],[2,6],[8,10],[15,18]]输出：[[1,6],[8,10],[15,18]]📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

联想数据开发工程师面经（2025届校招/实习）📌 背景：985本硕，计算机相关专业，有大数据项目经历，面试岗位为数据开发工程师（Base北京/上海）。📝 面试流程 & 问题回顾1. 笔试（线上编程+SQL）- 题型：- 算法题（********中等难度，考察数组、字符串、动态规划）- SQL题（多表关联、窗口函数、复杂查询优化）- 大数据基础（Hadoop/Spark原理简答）2. 技术一面（1小时）- 数据结构与算法- 手撕代码：合并K个有序链表（优先队列实现）- 时间复杂度分析，如何优化？- 大数据生态- Spark和Hadoop的区别？Spark为什么更快？- 数据倾斜的解决方案？- SQL实战- 写一个**连续登录用户统计**的SQL（使用窗口函数）- 项目深挖- 介绍一个大数据项目，你在其中负责什么？- 如果数据量增加10倍，如何优化你的方案？3. 技术二面（45分钟）- 系统设计- 设计一个实时数据仓库，如何保证低延迟和高可用？- Kafka和Flink在实时计算中的作用？- 数据库- MySQL索引原理，B+树 vs Hash索引- Hive内部表和外部表的区别？- 场景题- 如果某天发现报表数据异常，如何排查？4. HR面（30分钟）- 职业规划、为什么选择联想？- 对加班/出差的看法？- 期望薪资？💡 面试建议1. **重点复习**：SQL（窗口函数、优化）、Spark/Hadoop原理、常见大数据场景题。2. **项目复盘**：确保能清晰讲解技术选型、难点和优化思路。3. **算法刷题**：********热题100+剑指Offer，尤其是**链表、树、DP**。4. **反问环节**：可以问团队业务、技术栈、新人培养计划等。🌟 联想数据团队体验- 技术氛围浓厚，大牛导师带教，内部有完善的大数据平台。- 业务覆盖智能供应链、用户行为分析、风控建模等，实战性强！📢 投递Tips：联想对代码能力+大数据基础要求较高，建议尽早投递！📅 【投递链接】春招：https://talent.lenovo.com.cn/position?projectType=1暑期实习：https://talent.lenovo.com.cn/position?projectType=2【内推码】2025XZLMCX【内推入口】在“联想校招官网”投递校招职位，创建简历时“从哪儿获知招聘信息”选择“联想员工推荐”并且输入推荐人ITcode：2025XZLMCX投递的同学评论区留下【姓名缩写+岗位】，方便及时跟进加入联想，与创新者同行，用科技改变世界！（欢迎留言交流，祝大家offer多多！🎯）                          内推码                                                  26届                                                  数据人的面试交流地   

补发一下之前面试腾讯的面经，具体timeline可以参考前面的帖子。一面（约30mins）：自我介绍，挑一个简历里最好的一个项目详细介绍下项目中遇到了什么挑战，怎么解决的了解DeepSeek吗，为什么DeepSeek现在这么火？说一下DeepSeek里的MLA和GRPOGRPO和DPO，PPO，RLHF的区别看你之前有LoRA微调DeepSeek的项目，简单说说微调经验，效果如何RAG在检索阶段能有哪些优化？（sub-query，HyDE等）二面（约1h10mins）：自我介绍，拷打简历。写一下GRPO的公式先屏幕共享从头到尾walk through讲一下DeepSeek技术报告论文。面试官中间会穿插提问DeepSeek-v3/r1/r1-zero有什么区别DeepSeek-r1-zero的冷启动数据是怎么组成的DeepSeek-r1-zero解决了DeepSeek-r1的哪些问题如何解决大模型的幻觉Embedding如何微调（讲了对比学习啥的）RAG的评测指标有哪些业界现在function call的做法和水平场景题：大致是RAG中检索结果遇到张冠李戴的问题该如何解决举几个例子能够体现你的研究能力三面（约30mins）拷打LoRA微调项目，问了实验的数据集，参数设置，结果如何等等你目前的研究方向主要是什么？讲一下ReRanker的目的，做法有哪些场景题：我现在运用RAG来检索回答，目标是检索四个季度的表格数据，但是经过检索+ReRanker后只出现了三个季度的数据，该如何解决hr面（约15mins）比较常规，大致如下：用三个词语描述下你为何能胜任这份工作你的优缺点都说一下你过往实习项目中遇到过的最大困难是什么，怎么解决的最早实习时间，实习时常引流：腾讯字节阿里淘天美团拼多多