请问大佬们，企业周末一般会进行线上面试吗？

好像也是个大模型业务 ε=(´ο｀*)))唉先问我会不会大模型垃圾回收手撕：合并链表然后over 反问面试官很不耐烦的样子现在业务都是大模型了吗？？？还是多背背大模型吧

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗?2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

1.实习介绍2.拷打项目3.RAG中如何处理非结构化知识与结构化知识的混合检索？4.在金融业务中，像“杠杆”、“对冲”等许多术语都存在歧义性。你如何在 RAG 中实现术语的准确消歧？5.你认为RAG 是大模型能力的一种补偿手段还是主流范式？未来还会存在吗？6.如何控制Agent生成的内容在业务上规避风险，比如合规和隐私之类的？7.Agent 执行链中失败重试会导致长尾耗时，你如何优化策略以控制 SLA？8.LoRA 微调时哪些层是可以不冻的？为什么有时候逐层解冻效果更好？9.如何部署一个高并发低延迟的大模型 API 服务？10.你觉得通用大模型和垂类小模型之间最终会形成怎样的分工？哪个更适合企业落地？

一面: 1.对项目很感兴趣提了很多问题(不是质问，是疑问)2.之后问Transformer架构(详细讲了整体的流程3.详细问transformer的decoder组件4.提问既然decoder-only架构已经可行了为什么还需要encoder5.提出他们准备借鉴decoder架构做生成式推荐，问我有什么想法，可以怎么实施6.根据我的简历项目，问为什么做完SFT还要做RLHF，问RLHF的好处(需要明确指明可以做到SFT哪些做不到的地方)7.问强化学习方法原理，问的特别细(感觉是因为面试官不太懂)8.手撕-只记得是力扣原题，很简单二面:1.讲项目(我超详细的从项目背景到具体怎么做的给面试官叨叨了十五分钟)2.没再提问了，直接给我介绍他们的业务，介绍他们现在想用大模型技术做搜索推荐，因为别的公司已经有成功的尝试了所以他们也准备做这个无手撕