Offer求比较:微软,字节跳动

#软件开发2024笔面经# 顺丰一面：和面试官聊的挺开心的，原本三十分钟的面试聊了五十多分钟。1. 自我介绍2. 为什么想要转专业（我本科不是相关的）3. 讲实习，谈实习里数据的处理方法，时间序列数据的归一化4. 谈到实习里用过的模型，RF，Adaboost， xgboost的区别5. 深度学习，LSTM与Transformer，Bert的异同，谈优缺点；谈NLP的发展6. 一道代码题；大概就是一棵树，children的值是2n与2n+1（parent node为n），给两个节点，找他们的第一个共同parent7. 反问二面：这次就很快了，面试官没怎么问太多，感觉有时候都没怎么听....1. 自我介绍2. 特征工程，特征重要性3. 项目里用了哪些loss函数3. multi-head attention，token啥的，这个没太答上来4. 看样子本来还想问CNN的，结果中途被打断了，好像是有人和他说话，他就又换了个地方面试，全程就是走来走去（手机开着视频）5. AutoML5. 反问6. 最后说等人力后续面试，这是告诉我已经过了？面试结束后：马上收到了一个综测题，练了两把上了，结果有点难顶，最后还剩3题没做，说是会倒扣分。里面最耗时间的就是给一个月历，然后一堆条件，让你安排不同的部门/人在不同的时间，根本不是一眼看得出来的，要假设不断推理，假设错了还的推倒重来。最简单的是图片题，基本的找规律。#面经#

有无佬跟我一样，说是自动顺延，现在也没收到笔试通知，🐔了？

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。

背景：往届校招pdd，已入职实习面经：HashMap和HashTable以及CocurrentHashMap详细说明网络IO模型？什么是多路复用IO？select和epoll的差别？TCP三次握手的过程，如果没有第三次握手有什么问题？常用的线程池有哪些?各自的应用场景?Java类加载机制？双亲委派模型的好处？JAVA并发包组件了解多少?什么时候多线程会发生死锁?怎么来预防操作系统的用户态和核心态切换条件以及为什么要切换数据库事务特点？事务隔离级别？项目中的事务实现？脏读、不可重复读、幻读各举个例子？有接触过哪些消息队列中间件？如何来选型？谈谈你对SOA以及微服务的理解？具体谈谈Spring C...