快手 推荐算法实习面经

1.面试官上来先介绍业务：内部效率部门，主要为公司内部开发效率软件。2.微软实习埋点怎么实现的？异步如果出错了该怎么办？如果网络不好，埋点上报不上去该怎么办？3.阿里云实习MQ怎么用的？解耦 + 削峰4.RocketMQ事务消息内部怎么实现的？两阶段提交：半消息 - > 全消息。5.RocketMQ内部存储和Kafka区别。Segment 和 CommitLog。为什么要这样设计？6.事务消息在RocketMQ里面是怎么存储的？半消息只写到commitLog，不写到Queue里。为什么这样设计？7.有10个topic，9个普通消息，1个事务消息，他们应该都是写在一个CommitLog里对吧，然后在写进Queue的时候，如果遇到了还没commit的事务消息是怎么做？等肯定不可能，那后面还需要回查这个消息吗？如果后面有遇到另一个已commit的事务消息该怎么办？回答的不好hhh，应该是commit的时候直接写进Queue里。8.Kafka如何顺序消费？写到一个partition里面。都写到一个partition里面就保证顺序消费了吗？说了消费者需要单线程。9.redis热key问题。只答了读写分离加分片 和改key放到不同分片上。其实还有复制几份key这个方法。10.mysql深分页问题。之前看到过，忘记了。答得不好hhhh。中间聊到了mysql执行计划。11.算法： 不用hashmap，set的两数之和。参照三数之和做法。12.反问：如果我进去了，您觉得我最大的挑战在哪？ 熟悉生产环境，熟悉项目，不过没问题都有人带，这几年的校招生成长的都挺好的hhh。

如题，15号二面后一直没动静，官网显示流程中，也没有HR加我，有佬知道这情况正常吗？

🍓一面时长约50min，面试官很和蔼，体验感还不错。1．面试官先简单介绍了下团队，然后是自我介绍；2．拷打了一下项目和论文；3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5.LoRA和 PromptTuning 有何区别，分别适用于什么场景？6．模型微调时遇到过过拟合吗？怎么处理的？7．大模型推理时的加速思路？8.KV Cache 是怎么起作用的？为什么对长上下文推理很关键？算法题手撕：字符串的全排列。二叉树序列化与反序列化。✅面试感受：整体提问节奏比较平稳，面试官很有亲和力，有的地方卡住了还会给提示。🍓二面时长约40min，主要是针对简历进行深挖。1．自我介绍。2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做 Instruction Tuning ，需要注意哪些数据问题？6．反问✅面试感受：二面的氛围和一面截然不同，面试官提问非常犀利，没有太多套路问题，并且对细节很关注。📳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。

我嘞个去啊，历经坎坷的二面，感觉面试官在凑时长，之前改了两次时间，从昨天下午，到今天下午，再到今天晚上HR小姐姐都被面试官整无语了……面试内容：自我介绍，询问实习（不好意思我没有）估计觉得简历上是玩具项目就不问了，介绍实验室做的项目，口述合并两颗二叉树，无手撕，询问是否看过优秀源码（不好意思我没有……）询问垃圾回收机制（一面二面吟唱），询问搜索引擎相关问题（鼠鼠答了ES，倒排索引）。很快就是反问，鼠鼠问了业务，他说是投放广告的，问具体表现，说不方便透露。就20min，是鼠鼠表现太拉胯吗，关的比我都快，迫不及待就跑了鼠鼠为了这面试看了老多八股和算法了当初一面全都答上来手撕出来了，感觉二面就是不想要我人生啊，能不能放过我这一次