这个大模型项目你就练吧！一练一个不吱声！

我有过前端和需求分析的实习经历，之前还考虑过产品运营，但觉得剩余准备时间有限，自身优势不突出，便重新聚焦到前端开发和产品经理两个方向。当初放弃前端，是因为不想长期局限于纯写代码的状态，转而尝试需求分析。可实际体验后发现，需求分析需要频繁开会 —— 我导师平均每个工作日要花 2 小时在会议上，还得准备大量 PPT 和文档，这似乎和我期待的工作状态不太契合。不过，我其实很享受写代码带来的乐趣，把自己开发的小程序交付给用户，再通过和用户沟通挖掘需求，针对性地迭代优化版本，每次收到正向反馈都给我不少动力。但现在找正式岗位又犹豫了，前端行业竞争激烈，不确定是否是长久出路；而当初想做产品经理，是希望能更深入市场和业务，为未来职业发展保留更多可能性。但实际求职时才发现，产品岗的应届需求本就不多，自己的竞争力也不够突出，真到找正式工作时，反而陷入了迷茫。我觉得我是一个比较多想法的人，听说去小公司更好可以见识更多更能发挥自己的想法，是这样吗？

听说小红书的工作压力非常大，想问一下入职以后产品经理的上下班时间大概在什么时候呀？

一、手撕 题目：给定一个字符串 s 和一个整数 k，每隔 k 个字符反转一次，返回最终字符串。简单很快就写出来了二、八股1.自注意力机制是什么？计算复杂度怎么算？吟唱: 通过query-key相似度计算权重，对value加权求和，建模长距离依赖。O(n平方)n为序列长度。2.KV-Cache的如何加速推理？继续吟唱：生成时缓存已经计算过的kv，避免重复计算。3.LoRA的原理是什么？与P-Tuning、Adapter的异同点？LoRA的参数选择对模型性能有何影响？三连吟唱：原理是冻结原始权重，训练低秩矩阵参数。异同在于lora训练参数，p-tuning只优化了prompt嵌入。4.介绍下RLHF的基本流程，与DPO的差异是什么？主动吟唱：RLHF三段式，sft用高质量数据集微调，rm训练对比学习模型用于打分，ppo通过rl泛化增强。dpo直接优化偏好数据，省去rm和ppo。5.分布式训练中的TP、PP、DP分别是什么？TP按tensor维度拆分,PP按网络层数分段流水线执行，DP数据并行，复制模型副本分散计算6.flash-attention的原理是什么？这里回答没太好，只讲了通过内存层次结构什么的减少I/O瓶颈7.DeepSeek的MoA架构与MoE有何区别？moe通过门控机制选择专家子网络，参数规模增加但训练难度大。moa则用多个agent回答，通过数据迭代优化，缓解偏科。8.如何处理数据不均衡问题？上采样小样本，课程学习三、项目与实习1.agent实习主要负责哪些模块？动作规划，memory经验，evaluation pipeline，后训练，很多模块都参与了，面试官也挺震惊哈哈。这里聊比较多就不po了。2.记忆系统如何实现视觉-语言特征对齐？clip映射到联合embbeding上3.如果视觉模块误判，如何通过语言纠错？检测矛盾关键字，通过反馈触发重试。4.具体讲讲怎么构建evaluation pipeline的?做了数据爬取，版本控制，llm打分

📍面试公司：数字马力🕐面试时间：11/5💻面试岗位：后端开发❓面试问题：0. 询问专业课程    （以为会问计网之类的，结果没有1. 策略模式的好处    （问题来自于实习2. 分布式锁3. 乐观锁、悲观锁3.1 高并发情况下应该用哪个4. cookie、session、token的区别，以及使用场景    （这个答差了，面试官想听的是为什么要用cookie、session、token，什么时候用5. redis的作用6. hashmap，hashtable，concurrenthashmap的区别7. 分布式事务8. rabbitmq消息有序性，延迟消息8.1 具体实践9. 如何使用redis实现一个排行榜10. 对nacos的看法11. 对mq的看法12. spring的事务传递性        （不会13. 对ai的了解13.1    如rag，agent，sse，幻觉，prompt的了解14. 登录鉴权流程    （这个问了之后才问的 cookie、session、token15. simpledateformat 是线程安全吗？为什么        （不知道为什么线程不安全16. 线程池参数17. 什么是守护线程            （不会反问：Q: 看重校招生的什么A: 筛选项是  基础，加分项是  大模型之类的其他的没什么了🙌面试感想：1. 面试官人很好，我不会的东西都会告诉我答案（除了守护线程2. 面试的环境比较嘈杂3. 面试官中途听我吟唱八股的时候看了俩次手机4. 由于本人的习惯，在回答问题的时候喜欢东张西望，中途被面试官建议不要到处看总的来说面试体验挺不错的，不过估计挂了