字节抖音直播二面

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目拷打3.处理查询文档里的异构数据(如图片)时，具体的处理流程是什么?解析成纯文字后如何进一步加工?这样只返回文字给用户，图片信息不会丢失吗?4.你们是通过人工打标建立图片和文本的对应关系吗?文档量很大的情况下，打标工作能完成吗?5.如何保证大部分图片异构数据解析后回答的正确性?若回答错误，怎么识别问题?后续要验证回答准确性，你有什么方案?6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比?这个大模型的正确率以及模型自我一致性怎么确定?7.你们的模型基于哪些异构图像做增强?模型会不会产生幻觉，生成文档外的内容?8.若用户的问题不在文档里，你们会怎么处理?是调用其他模型吗?大模型回答不了时，会提示用户补充问题吗?用户补充后仍无法解决该怎么办?模型如何判断何时需要让用户补充提问?9.你们有框架编排这些流程吗?用的是什么框架?10.怎么理解检索召回率?这些指标具体包含哪些评价项?什么是忠实度?召回率的分子分母是怎么定义的?11.你之前那段实习的具体工作内容是什么?针对设备故障叙述报告这类复杂文本，模型如何理解?是做了相关检测吗?大模型是怎么实现术语解释的?12.请讲一下LoRA技术，除了减少参数量，它还有什么优点?你做的LoRA相关工作，后续有落地应用吗?13.你写代码主要用Python吗?会不会用Java?了解Java的多线程、双亲委派模型以及消息中间件吗?有没有做过Java相关项目?

现在大厂陆陆续续开始招人啦，八股没刷完算法没刷完是不是先好好沉淀再去啊

可以留意大厂的公众号，现在好多都开了，等三月中，应该就正式大批量的开了。好未来、cvte，作业帮、滴滴、字节、快手、美团都开啦

1.实习项目拷打2.大文本说明书常用的切分方式有哪些，实习的项目中采用了哪种切分方式?3.实习的项目中，文本切分后采用什么方式存储，图片和PDF等异构文档是如何处理的?4.实习的项目中，文本检索时为何选择RAG模型做初排而非重排的方式?5.实习的项目是否已内部上线，每日访问量大概是多少?6.对于系统中大量重复或相似的用户问题，有哪些优化方式可以节约资源?若要实现该优化，具体如何拆解流程图，如何抽取共性问题并汇总答案?7.标准RAG系统包含哪些模块，系统能力如何提供，用户查询的处理流程是怎样的?8.结合实验经验，效果较好的大模型Prompt应包含哪些模块，每个部分该写什么内容?9.若针对实习的项目相关任务写的Prompt结果无法很好遵循要求，有哪些优化策略?手撕3选2:第一个最大岛屿，第二个是二维数组里的最大正方体，最后一个是旋转数组搜索