20260106【得物】面试算法真题（共1题）

题目1：实现一个支持泛型的栈（包含min函数）题目2：用队列实现栈题目3：LFU缓存（比LRU更难）题目4：跳表SkipList实现题目5：正则表达式匹配题目6：KMP算法手撕题目7：数独求解器题目8：八皇后所有解题目9：实现线程池题目10：生产者-消费者（多种变体）

1. 实习介绍+介绍论文2. 介绍一下对推荐系统的整体的了解3. 知道哪些精排模型4. 了解DIN吗，讲一下DIN和DIEN的区别5. 介绍一下MMoE6. 介绍一下AUC的物理含义和计算方法7. 大模型在推荐系统的应用都了解哪些8. 了解Meta GR吗9. 找算法实习是专注于推荐领域吗？还是说有投大模型的岗位10. 手撕：lc143 重排链表讲思路+写+逐行讲代码11. 反问

1.实习介绍2.论文工作介绍3.为什么构建这个benchmark4.构建数据集的时候遇到哪些问题，怎么解决5.选择这个微调模型的原因6.mplug的框架7.视觉编码器用的什么8.线性投影层具体情况9.qwen2的结构10.transformer的计算11.了不了解其他的transformer或者attention12.用了多少卡13.怎么做的分布式训练14.zero3不适合训练使用的原因15.介绍论文的多阶段CoT微调16.lora的原理17.lora的初始化18.矩阵B 为什么用0初始化19.手撕：一个字符串中出现次数最多的字符以及次数20.反问的时候还问了强化学习的原理

1.八股：LoRA 和全参数微调的核心区别是什么？在显存和训练效率上各有什么优劣？2.八股：DPO、PPO、GRPO 三者的优化目标有何不同？为什么 GRPO 的 loss 中要显式加入 KL 散度项？3.八股：Transformer Encoder 中 FFN 的作用是什么？4.八股：什么是 DeepSeek 的 MLA？它的优势是什么？5.项目: 你在实习中用 LoRA 微调了哪个开源大模型？具体 rank、alpha、dropout 是多少？为什么这样设置？6.项目：SFT和DPO 数据是否有重叠？DPO 的偏好数据是如何构造的？人工标注成本大概多少？7.项目：你们的 RAG 系统召回阶段用了 BGE-M3 还是 BM25？最终选择依据是什么指标（如 Recall@k）？BGE-M3 输出向量维度是多少？8.项目：为什么不用纯向量相似度直接生成答案，而要再过一遍大模型？这样做对幻觉和安全性有什么帮助？9.手撕：接雨水（LeetCode 42）