20251210【虾皮】笔试算法真题（共3题）

春招大部分公司开了就投了，目前收到了虾皮、小米、滴滴、携程这几家的笔试，可能是答得不好的原因，目前还在筛选，没有约面，希望人品爆发，给个面试机会，或者挂就早点挂，不要弄的人家的小心脏扑通扑通地跳

1、自我介绍2、项目拷打3、介绍 DeepSeek 与 Manus，以及他们之间区别4、介绍 LLM Decoder-Only 架构Decoder-Only 架构本质上就是只使用 Transformer 里的 Decoder 结构，通过自回归的方式一个 token 一个 token 地往后生成内容。它的训练目标通常是 next token prediction，也就是根据前面的上下文预测下一个 token。它的关键点在于 Masked Self-Attention。所谓 masked，就是当前位置只能看到前面的 token，看不到后面的 token，这样模型才能按从左到右的方式学习生成。整体结...

单选+多选+编程编程1 反转字符序列中的小写字母如 Welcom To Beijing ->Wmocle To Bgnijie 双指针AC编程2 整数二进制中1的数量 while(n>0) cnt+=n%2;n/=2 过了70%，优化不会编程3 2的n次方的十进制展示（n>=1024) 应该使用数组模拟，没写出来，BigInteger也有相关Api也没记住 大零蛋吐槽，笔试平台很难用，找语法问题找了半天，还有个插件作弊检测的插件我开了，一直弹窗说检测不到，搞得很烦躁

1、自我介绍2、训练和推理的并行策略大模型训练和推理常见的并行策略主要有数据并行、张量并行、流水线并行和专家并行。数据并行是每张卡放一份完整模型，不同卡处理不同 batch，然后通过 All-Reduce 同步梯度。它实现简单，但模型太大时单卡放不下。张量并行是把同一层的权重按列或者按行切到多张卡上，每张卡只算一部分，再做通信聚合，适合单层参数特别大的场景。流水线并行是把不同层分配到不同 GPU 上，让不同 micro-batch 像流水线一样流动，能解决单卡放不下完整模型的问题，但会有流水线气泡。专家并行主要出现在 MoE 结构里，不同 token 路由到不同专家，参数量可以很大，但每次只激...