知乎前端面试

1.介绍项目2.介绍ppo，grpo，gspo，dapo及他们的改进3.qwen3coder的架构是什么，其中有多少个专家4.gspo训练中有没有遇到奖励突然下降和训推不一致的情况？5.qwen2.5VL的架构？6.说一下react是什么7.如何用agent做可学习的多模态的数据生成8.代码题是MHA📳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

前言：二面已经结束，虽然还不知道有没有三面，但是清楚的是还需要努力哇面试题：很多和项目相关，不太好展开讲，抓几个重点说说。问： 如果你要设计一个登入的功能，说说前后端的逻辑：答： 首先前后端分离，前端需要一个登入的UI组件，还需要在提交前验证一下账号、密码等有没有填好,如(是否为空)，然后向后端发送请求，携带前端输入的信息，接着可以在vite配置代理服务器上解决跨域问题，后端接收请求后，与数据链接验证身份，核对密码等(提了一下，如果是注册就得通过hash加密，不能存储明文)，登入成功就可以在后端生产一个token，这个token可以在返回前端后，储存在localstorage上，这样就可以在一...

1. 你参与的关键词命中系统主要业务目标是什么？整体是怎么设计的？2. 关键词命中系统的使用方是谁？应用在什么业务场景中？3. 上游服务是如何接入关键词命中系统的违禁词命中能力的？是否有SDK类的接入方式？4. 关键词命中系统里的前缀树是服务全局的缓存，还是函数内的缓存？5. 关键词命中系统有400多个实例，每个实例都需维护一份缓存，各实例缓存是否一致？缓存之间的分配策略是什么？6. 关键词命中系统中的前缀树（AC自动机）是你自己想到使用的吗？7. 关键词命中系统里的前缀树（AC自动机）与emoji表情匹配是否为一套架构？请说明二者数据流转的前后顺序关系。8. 关键词命中系统中emoji的CRUD需求是你从0到1做的吗？你是如何实现emoji的兼容支持的？9. 你在关键词命中系统优化中提到用Redis做增量、定时同步，做定时同步的目标是什么？是否是为了做热点访问的分散？10. 关键词命中系统做了分库分表，400多个实例都要访问数据库，为何会出现数据库连接的并发瓶颈，而非访问分散的状态？11. 关键词命中系统的400多个实例会在凌晨1点随机重启，这个随机重启是怎么设计的？加随机数的具体实现方式是什么？12. 关键词命中系统的服务是怎么部署的？你通过什么方式实现的服务重启？13. 请解释什么是agent？14. agent和大模型的主要区别是什么？15. 你设计的是多agent系统，为何不直接做单agent workflow？二者有什么区别？16. RAG是做知识库的一种方式，你还了解过哪些构建记忆系统（知识库）的方式？17. 做RAG向量化时，你选取embedding模型的标准是什么？18. RAG使用embedding模型向量化后，若出现相似度匹配不准确的情况，你会怎么解决？19. RAG检索时，若出现召回的文档和提问情境不匹配的情况，你会怎么解决？20. 请简单介绍一下ReAct是什么？21. ReAct与COT（思维链）在写prompts的时候有哪些差异？22. 请详细介绍Redis zset的实现，包括其底层数据结构还有哪些相关实现细节？23. 请讲解Redis zset底层跳表的插入、查找过程，包括节点之间的连接方式，以及查找时向下切换层级的判断逻辑？24. 请说明Golang中的线程、协程、进程这三者的区别？25. 项目开发中为什么需要使用线程池？线程池的设计来源是什么？在什么情况下线程池会出现瓶颈？26. 线程池的参数设置在不同状态下，和不使用线程池相比会有哪些性能区别？27. 给定字符串s和单词数组，判断单词是否为s的子序列，请设计算法并实现，同时讲解你的算法思路和具体处理逻辑。

学校研究方向、论文、性能优化这个项目是自己练习做的，没有实际在实际场景中应用的是吧？在性能方面做了哪些优化，具体提升了多少？Rag 和 ReAct 怎么用的这个知识库包含的数据量级大概是多少？如何将这些文档拆分成块并构建知识库？区分后的案例是否会从知识库中移除？在使用知识库时，如何平衡原理和案例信息的比重？向量数据库是如何高效检索到用户想要的结果的？哈希表的底层实现大致是什么样的？哈希表的初始容量如何设置？怎么调整哈希表在什么情况下会发生频繁冲突？如何优化哈希表以避免频繁冲突？在扩容时，如何决定扩容多少？在内存分配上，栈和堆哪个分配更快？栈上分配更快的原因是什么？在处理大规模数据集（几十亿至上百亿）时，如何高效地找出其中最大的 N 个数？（单调队列，面试官引导下说了说思路对于 OOM 内存溢出问题，排查 and 解决的步骤是什么？