论文题目：HIRAG: Hierarchical-Thought Instruction-Tuning Retrieval-Augmented Generation论文地址：https://arxiv.org/pdf/2507.05714v2核心要点：HIRAG（Hierarchical-Thought Instruction-Tuning Retrieval-Augmented Generation）通过三级递进能力（过滤、组合、推理）解决传统RAG仅关注信息检索而忽视有效利用的痛点，在小规模模型上实现媲美甚至超越大模型的复杂问答性能。实验结论1、能力递进设计：通过三级任务（过滤→组合→推理）的递进式训练，模型获得了处理复杂RAG场景的系统性能力，而非零散的技巧。2、小模型大突破：HIRAG(Llama3-8B)在多个数据集上超越了13B甚至70B规模的基线模型，证明了方法的高效性和数据利用能力。3、跨模型泛化：在Llama2、Llama3和Qwen2.5等不同系列模型上均取得一致提升，表明HIRAG的训练范式具有普适性。

做题：使用数组实现栈栈数据结构有哪些实现、队列怎么实现什么情景会使用栈、队列数据结构？（sql语句在生成执行计划的时候会使用栈，完全不晓得）数据库反范式设计？举例子，为什么实习相关的，介绍项目个人项目相关的问题：raft脑裂？哈希表的查找时间复杂度，怎么实现的？哈希冲突怎么解决？进程和线程的区别、线程是怎么寻址的数据库的回滚是怎么实现的

oceanbase【面试问题】1. 请讲解你科研经历4. 这项研究与业界已有工作相比，是否有类似方案？5. 你在第一个项目中提到使用内存数据库与时序数据库，能否介绍具体用法？6. 时序数据库在查询层面为何会有性能优势？7. 为何选择时序数据库而不是普通列存分析型数据库？8. 你还了解内存数据库的哪些模块或特性？9. 内存数据库在内存管理或资源管理方面有哪些先进设计？10. 各数据类型在实现上有哪些结构优势使其性能优秀？11. 请介绍含金量最高的一次比赛及你在其中的角色与贡献。12. 请介绍你在某次比赛中遇到的题目背景与任务。13. 你对 OLTP／OLAP 数据库在存储、优化器或执行层有哪些了解？14. 请介绍 ACID 特性中隔离性（Isolation）的含义及常见隔离级别。手撕：非常简单，数组出现频率top k。

1、手撕、测试用例设计2、项目介绍，测试发现的问题3、扫码支付场景测试4、场景：怎么防止支付场景下重复扣款的错误。5、幂等性6、场景：一个接口操作多个表，怎么确认这些操作在一个事务里面，如何检查 挂了，一问场景就露馅。