许愿阿里三面

1.了解gmp模型吗，说一下2.go语言的协程如何并发3.从0-1实现一个业务你是怎么做的4.具体代码层面的实现包括几个层次呢5.关于controller层和service层中绑定的接口什么什么（这个问题没见过，我也不知道问的啥）6.有使用过接口么，是拿来做什么的7.有写过中间件吗，说一下中间件（这个答得也挺一般的）8.你记录日志的习惯是怎样的9.线上线下环境两个不同的配置使用时如何做区分（我回答了配置中心的内容，面试官想要的是单纯的代码实现，我也不会）10.sync.Once的使用，这个我一开始只是写了个简单的打印，面试官提要求说一个对象被多次调用时创建，但是只想返回同一个地址，如何实现，对于带返回值的函数没用过once，没写出来11.100个id，根据这些id取出对应的age。同时最多十个协程，我用了ch加wg，但是我真猪了，连chan的定义都忘记要加类型了，其它倒是写出来了12反问:给我一些建议知识面比较广，但是一些细节的东西掌握的不是很好这次面试算是给我打醒了，得戒骄戒躁了，好好沉淀一下

Baidu 后台开发实习一面(30min)1.主要业务用Go，他对Go就没啥好问的（……）我说对Go会基本使用，对比较深的不了解2.MySQL有用到索引？那么你在项目里是怎么使用的？3.聚簇索引？二级索引？以及它们的区别？4.说一下覆盖索引？如何去建立一个这样的覆盖索引？5.给了一个SQL语句(Select * from table where a=1 and b<1 and c=2 order by d desc)，问如何建立覆盖索引？6.乐观锁？乐观锁的具体怎么操作？CAS是改值还是++？7.Redis在秒杀和超卖这个场景是怎么利用的？Lua脚本中的命令你可以举一些吗？8.浏览器输入一个url到浏览器渲染出页面的一个完整过程？9.得到IP地址后，假设现在有多个服务，比如登录服务，后端服务。如何根据这个ip知道具体是哪个服务？10.http的常用状态码？2xx？3xx？4xx？5xx？无手撕Baidu 后台开发实习二面(40min)主要就是问我实习的事情，实习讲清楚干了啥，然后是问实习中遇到的困难，和该怎么去处理。1.提到了我多级缓存的一致性问题该怎么解决。写请求是如何保证一致性的？为什么要用多级缓存？2.遇到缓存击穿问题该怎么解决？然后项目中库存超卖，一人一单的实现流程?2.场景题：商业化下Redis做缓存，遇到缓存击穿问题该怎么解决？除了Redis做缓存，redis的成本是比较高的？还有没有别的手段和方法去处理？3.对当前ai快速变化的看法？ai开发占你开发的百分比？4.实习的时候如果遇到mentor和leader给你大量并行的任务，你会怎么去安排任务的执行情况，如果遇到能力不足的任务，该怎么去沟通交流？5.职业规划？6.手撕：两数之和

一、个人 & 实习背景HTTP 协议讲讲只是把 HTTP 改成 WebSocket，那内部处理流程或编排具体有什么变化？关键是怎么把完整音频基于什么维度切割？延迟从 800ms 降到 200ms，这个 800ms 是处理完成返回的时间吗？是发起请求之后，完整响应吗？从请求到所有 response 收完？确认一下延迟口径：是接口请求维度，从发起网络请求到数据全部接收完成？端到端的链路流程说一下？二、计算机网络 & 操作系统HTTP 请求信息里面有哪些内容？Request 里都有什么？HTTP 和 HTTPS 的区别是什么？HTTPS 传输过程中具体是怎么保证数据安全的？现在浏览器都是多进程，进程之间协作通信方式有哪些？进程之间的通信方式有哪些？方法的入参、出参、局部变量在内存哪块区域？三、Redis & MySQL & 中间件Redis、MySQL 这些组件用过吗？缓存怎么使用 Redis？具体怎么用？积分排行榜是整个站点所有用户积分排名吗？Redis List 有数量上限，量大后性能会有问题，几万几十万用户还能用吗？Redis 集群解决了什么问题？排行榜是一个 key，集群怎么分？100 万用户按 1 万一组分片：新用户进来往哪个分片加？边缘用户积分变动，跨分片时数据怎么处理？有更好的方案吗？Redis 还用过其他功能吗？不重复领优惠券是什么场景？Lua 脚本里查，其他人同时执行不也会有问题吗？Redis 持久化方式有哪些？MySQL InnoDB 为什么用 B+ 树？MQ 用过吗？了解吗？知道是做什么、解决什么问题吗？四、项目 & 架构之前做的都是 Spring Boot 单体服务吗？有没有接触过微服务架构？五、算法题第 k 个排列有思路吗？hard题：60. 排列序列

AI大模型算法，一环扣一环的拷打Transformer 基础详细介绍 Transformer 架构（Encoder-Decoder 结构、位置编码、FFN 等）Decoder 的因果注意力中，Q、K、V 分别来自哪里？→ Q 来自当前 Decoder 输入（已生成的 token 序列），K 和 V 也来自同一序列（需 mask 未来信息）Attention 为什么要 scaled？不做会怎样？为什么是√dₖ？→ 点积随 dₖ增大会让 softmax 进入饱和区，导致梯度消失；除以√dₖ可使方差稳定在 1（数学推导参考 Vaswani 论文）Transformer 如何加速推理？KV Cache 是什么？训练 vs 推理的并行性差异？→ 训练时所有 token 并行计算；推理时自回归，KV Cache 可缓存历史 K/V，避免重复计算，大幅提速多模态论文深挖（以 Video-LLaMA 为例）讲解 Video-LLaMA 的整体结构→ 视频编码器（如 ViT + Temporal Aggregator）→ 投影层（对齐文本空间）→ LLaMA 语言模型论文中 CoT（Chain-of-Thought）的具体设计？→ 在 prompt 中加入推理步骤示例（如 “视频中先看到人挥手，然后狗跑过来…”），引导模型分步作答微调 & 分布式训练微调用了 LoRA，介绍其原理→ 将权重更新 ΔW 分解为低秩矩阵 A×B，冻结原模型，只训练 A、B，大幅减少可训练参数LoRA 初始化怎么做？秩（rank）设为多少？为什么选这个值？→ A ~ N (0, σ²)，B 初始化为 0；常用 rank=8 或 16，在效果和参数量间取得平衡（实验验证）知道 DeepSpeed 和 Megatron 吗？分别说说→ DeepSpeed（微软）：主打 ZeRO 显存优化；Megatron-LM（NVIDIA）：张量并行 + 流水线并行论文用 DeepSpeed，三个 Stage（ZeRO-1/2/3）分别是什么？→ Stage1：优化器状态分片；Stage2：+ 梯度分片；Stage3：+ 模型参数分片（通信换显存）二面下一篇再写吧，力竭了