微软c+ai swe intern凉面经

这次面的是工程院 bing 团队的 LLM 应用组，问的问题量不大，有一些比较开放性的问题比较有意思。1.自我介绍 两面都有2. 主要会根据项目做一些介绍，这个一面久，二面短一些。3. 一面问了 transformer 结构4. 有没有做过大模型之外的 NLP 相关的内容（简单讲了讲）二面的开放性问题5. 做 rag 应用的时候， 如果幻觉问题严重怎么办？比如已经给了很多 rag 召回的内容了，但是还是错误很多，尤其是一些时间数字类的信息，很容易不准确。（我回答：类似于指令微调，构造对应的数据集， 微调强化大模型对检索的内容的跟随能力）6.接着上面，那你觉得这种数据集怎么构造呢？ 检索的内容和问题很好弄，但是答案怎么获取方便？（我： 我觉得可以反向构造，我先从网络上爬一堆内容作为答案，比如把新闻里的一些信息作为答案，然后让大模型比如 gpt4 生成对应的问题， 再检索召回相关的内容，构造数据集。 面试官说这个想法还挺有意思的）7. 我想通过加噪声的方式提高模型的鲁棒性， 你觉得这个噪声应该怎么加好？ 或者说怎么确定加在 token 的什么位置，加什么 token？（不太懂，我就说从我一般的理解，加噪声都是从 embedding 去加的， 比如随机加一些高斯噪声提高鲁棒性）8.如果我做 rag 召回的相关内容里，会有人恶意注入了一些错误的信息， 你觉得会影响大模型的生成内容吗？怎么避免？（我认为肯定会有影响， 因为关注的信息有错。 我觉得可以提高召回的信息量， 从而稀释错误信息占比来解决）9.接着上面的回答， 我们的输入长度有限制，不能无限加召回的内容怎么办？（可以在检索召回链路中再加一层，类似于粗排后再精排一次，从而减少错误信息的量）其他的不记得了，就是感觉现在面试很喜欢问一些开放性问题。代码题一面编辑距离， 二面是一个有序数组左边平移一定位置后的数组，找到一个 target 的下标。都不算难。

拷打项目 1.1 双token怎么做无感刷新和防止泄露的？ 1.2 浏览器指纹怎么做的？ 1.3 双token存在哪？ 1.4 拦截器拦截的哪些接口，怎么配置的？常规八股1. 项目中用到的集合？2. 哪些是线程安全的？线程安全的list是什么？3. spring/springboot常用注解？场景题1. list中去除一个学生名为李四的元素？ 1.1 迭代器不能删除问题2. RBAC权限模型如何拿到一个用户有的所有权限？ 2.1 左右连接区别第二天已oc

上来做自我介绍，问有哪些后台开发经验，如何理解后台开发。挑了一个项目简单问问。问平时用什么语言，选了Go。Go的协程、channel、GMP调度器、多个defer调用顺序、内存逃逸、make和new的区别。问操作系统，进程线程协程区别、内核态和用户态、虚拟内存、页存替换策略。问计算机网络，三次握手和四次挥手、http2.0和http1.0的区别。问平时数据库用的多吧，Redis知道吗。不会，换了MySQL。MySQL的存储引擎区别、聚簇索引和非聚簇索引、创建索引时有什么要注意的、覆盖索引。问消息队列知道吗，Kafka用过吧，Kafka如何做到高可用、消息可靠传输、什么情况下消息不可靠。八股问完...

1.拷打项目2.经典八股 2.1 jvm内存模型 2.2 垃圾回收算法有哪些 2.3 熟悉的垃圾回收器 2.4 cms有哪些阶段是stw的 2.5 G1 里面的young gc和mixed gc区别 2.6 一个对象是怎么从年轻代到老年代的 2.7 full gc什么时候发生 2.8 项目中full gc的次数怎么样 2.9 mysql当中的索引 2.10 聚簇索引和非聚簇索引的区别 2.11 docker 如何查看挂载目录 2.12 git常用命令 2.13 git reset 中 -hard 和 -soft ...