应聘岗位：后端开发面试官问：Kafka为什么这么快？答题思路：Kafka快有这几个核心原因：一是顺序写盘，直接用追加写的方式操作磁盘，比随机写快得多；二是零拷贝技术，数据直接从内核空间发送到网卡，省去用户空间拷贝；三是页缓存机制，直接利用操作系统缓存，不是JVM堆内存；四是批量处理，生产消费都支持批量操作，减少IO次数；五是分区并行，一个Topic分多个Partition，可以并发读写；六是压缩传输，支持多种压缩算法减少网络带宽。这些设计让Kafka吞吐量能达到百万级。

给我面没招了，发点面经攒攒人品～1.项目拷打2.语义漂移吗？如果遇到罕见病，模型产生‘幻觉对齐’导致误操，有没有方案去做兜底3.在医疗决策里，‘兴趣’是伪命题，‘合规’才是核心。用常规的DIN是做用户兴趣建模，但把DIN 里的激活单元改成了双线性交互这会不会导致模型对‘强特征’（如过敏史）的敏感度被‘软语义’稀释？4.知识库里既有权威指南又有脱敏病例。当这两者发生逻辑冲突时（比如新版指南否定了旧病例的方案），路由机制是怎么做确定性仲裁的？5.说的算子融合具体是怎么做的6.做生成式推荐重构，LLM虽然语义理解强，但天生带有选择偏见（。在冷启动场景下，怎么保证模型生成的物料序列不会陷入‘信息茧房’？7.手术机器人的环境是很复杂的，比如它组织形变是不规则的。你提到的不确定性感知），具体是基于传统的卡尔曼滤波还是基于大模型的分层鲁棒控制？当模型预测的8.动作序列与传感器实时反馈发生显著偏离，怎么实现毫秒级的安全制动9.用Pseudo-ID做时序追踪，但如果攻击者通过多维病理特征进行逆向重构，Embedding层做了哪些差分隐私处理10.手撕：Transformer block实现

你这边先简单做一下自我介绍吧1：你说一下 Java 语言的特点有哪些？2：Java 实现线程有哪几种方式？3：JDK、JRE、JVM 它们分别是什么？以及它们的关系是什么？4：Java 中 IO 流分为哪几种？5：集合跟数组有什么区别？6：常用的集合类有哪些？7：并行跟并发有什么区别？8：Mysql 数据库有哪些优点？9：索引设计的原则有哪些？10：JVM 怎么判断一个对象是不是要回收呢？11：JVM 的常用调优参数有哪些？12：Java 类的加载过程分为哪几个阶段？每个阶段主要是做什么？13：描述一下 springcloud 的主要组件跟功能。14：微服务架构跟以前的单体架构它主要的区别是什么？15：介绍一下你这个 NL2SQL 的项目吧。16：这个 NL to SQL 的过程，主要需要哪些数据，准备哪些前提条件，然后它才能转，转的准确率大概有多高？是基于多大的测试案例进行做的？17：针对自然语言中日期类型（比如用户问季度 / 年，表存的是日）匹配不准确的问题，你的解决方案是什么？这个项目用的什么模型？18：说说你使用 cursor、Claude code 这些 AI 工具的使用经验？19：除了写代码，你还会用这些工具做其他的事情吗？如果给你一个需求，结合 AI 技术你会怎么做？反问：20：后续面试还有几轮？总结：问题不算太难，奈何Java基础问题太久没看，回答的很潦草。不过好在截止发稿，一面已经过了。

第一次ai面试，还有英文朗读。感觉自己答的语无伦次1.掌握一项技能的经历。说明掌握的水平；2.对团队协作中的看法，并结合经历来具体说明如何处理；3.分享一次你在团队中处理冲突的经历，以及终的结果如何？4.分享你作为组织者或主要参与者完成的一次较为复杂的团队任务经历。并重点说明你是如何激励团队成员共同努力的.5. 分享一次在XX大学学习期或Xx等实习经历中的例子。是如何识别团队成员期望并给予建议和意见来共同提升工作效果的,最后的结果如何； 面对困难时怎样去处理？提问的具体问题内容就是就是根据你回答的问题情况继续深挖简历。每个问题出来之后会给5秒的思考的时间，基本上每个问题回答的时长不超过2分钟。建议牛友们能多说话还是多说话，只要不超过时长限制就可以。

1. 详细介绍一下你的OJ判题系统项目，架构是怎么设计的？回答：OJ判题系统采用前后端分离架构，前端Vue.js，后端Spring Boot。核心模块包括：题目管理模块（CRUD、测试用例管理）、代码提交模块（在线代码编辑、语法检查）、判题模块（代码沙箱、安全检查、输出比对）、用户模块（登录注册、权限控制）。判题流程：用户提交代码→语法检查→编译→放入代码沙箱执行→获取输出结果→与测试用例比对→返回判题结果。2. 代码沙箱是如何实现的？安全性如何保证？回答：代码沙箱采用Docker容器隔离执行。每个用户提交代码创建独立容器，超时自动销毁。安全措施包括：资源限制（CPU时间、内存限制、文件大小）...

祝大家都能拿到满意的Offer！1.项目拷打2.你们这里说的分层混合编排式 Agent 架构设计是具体怎么做的3.我问一个就是你们在Routing那里，你会根据难度去做不同的一个处理，对吧？那你们这个难度是怎么划分的呢4.你刚才提到就是说，比方说如果刚开始有动态升级的一个范式，就是比方说这个任务刚开始被分配到了7B但是如果它在生成的过程当中，置信度或者说生成的结果它的置信度比较低，你们这个置信度是怎么生成的呢5.你们大概配备了多少个工具6.以风险评估为例，你们的输入输出分别是什么呢7.你的字段是什么8.比方说你说的收缩压这个字段，在用户的问题当中可能不会有这样的一个检测数据。那这种情况你们是怎么来处理呢9.我看到你这里有说在引入了应用层的MOE按照任务动态的激活专家路径，这个具体是怎么实现的呢10.这里就有个问题，我们针对不同的科室去训练一个微调专家，那你们是你们怎么训练的呢？怎么针对于不同科室去训练的，第二个问题就是逻辑上你们这个专家数量可不会少，然后你们的工作量会比较大，这个问题你们又是怎么解决的呢11.你们最终大概是用了多少个专家12.每个大概训练的数据量是多少呢13你们的这个70b模型用的是自己？从头开始预训练的吗？还是用的开源的14那你们医疗数据你们医疗数据的主要来源是在哪里呢？

平安银行面试过了，感觉还挺简单的，问我的问题是这些，大家可以参考一下1、请做 1-2 分钟自我介绍。2、你的核心优势是什么？请举实例。3、你的缺点是什么？追问：如何改进？4、为什么选择平安银行？5、你对平安银行零售业务有什么了解？6、遇到压力大、任务多的时候，你会怎么处理？7、未来 3-5 年的职业规划是什么？

1. Java自动装箱与拆箱是什么？回答：装箱就是自动将基本数据类型转换为包装器类型（如int→Integer），调用Integer的valueOf(int)方法；拆箱就是自动将包装器类型转换为基本数据类型（如Integer→int），调用Integer的intValue方法。Java SE5之后支持自动装箱拆箱。注意：Integer在-128到127范围内会从缓存中取对象，超出范围会创建新对象。2. 重载和重写的区别是什么？回答：重写(Override)发生在父类与子类之间，方法名、参数列表、返回类型必须相同，访问修饰符不能小于父类。重载(Overload)发生在一个类中，同名的方法需要有不...

一面： sql优化流程mysql索引的数据结构GC说说堆的区域他们的比例内存泄漏怎么处理java为啥能够跨平台object的方法有哪些常用的集合类线程同步器了解么spring用了什么设计模式mvc的流程知道么bean生命周期spring常用的注解有哪些cookie和session区别http响应码nginx和docker了解么高考分数和四六级分数耗时：15分钟感觉非常不正规，面试的邀约连短信都没有，面试的时候问的非常基础，每个问题一句话就够了，我因为太久没看八股了，甚至mvc和bean生命周期，我直接说忘记了，一天就oc了，offer就是一条邮件，只包含了税前月薪，详细问了下hr，结果听说前后端都要干。其实春招我已经差不多算是放弃了，原本想着找到一个就干吧，懒得再找了，又想着工资那么低，我真不太甘心。兄弟们给给建议吧，要不要转ai应用开发，是走java还是转python，还是说先去干着再接着找。#

1. 自我介绍，介绍一下你觉得最有挑战性的项目2. 你提到用过多任务架构，任务数量多了之后内存压力怎么处理的？静态分配和动态分配你怎么选择？答：任务多了之后内存压力主要来自两块：每个任务的栈空间，以及任务间通信用的队列和信号量。栈空间的处理：先用 uxTaskGetStackHighWaterMark 跑一段时间，看每个任务实际用了多少栈，按实际用量加一定余量分配，不要每个任务都给一个很大的默认值对于简单任务（只做状态机跳转、没有深层函数调用）可以给很小的栈，比如 128 字对于有 printf、sprintf 或者复杂字符串处理的任务，栈需要大一些静态分配 vs 动态分配：嵌入式项目里我倾向...

攒攒人品！ 1.项目拷打2.vision-language 对齐是 joint embedding 的？，那做了哪种对齐？有做 hard negative mining 吗3.所有视角共享 encoder 吗？如何防止view collapse？4.semantic space是如何保证cross-modal consistency的5.用diffusion model做动作策略，是怎么建模action space的6.如果多个diffusion模型组合，用了 gating 机制还是 uncertainty-aware ensemble？那 uncertainty 是怎么量化的？有对比过 epistemic 和 aleatoric 吗？7.怎么防止action drift？有没有引入 consistency regularization或者temporal smoothness loss？8.在surgical robotics里policy failure cost 很高，是怎么做risk-aware training 的？有没有加入 CVaR loss10.模型泛化能力是靠数据多样性还是结构归纳偏置？能列出你设计中的 inductive bias 吗？对 unseen 手术任务怎么泛化11.surgical scene 变化很大，怎么办12.你说MAE 是做关键帧 reconstruction，那帧选择怎么做？具体打分逻辑是怎么样的13.有没有做 token-level saliency analysis？你怎么知道模型真的关注了 surgical tool 而不是 background？部署是在 ARM 上还是 X86？有没有模型并行？多线程和多进程各负责什么14.做多模态感知融合时，视觉、语言、触觉（如果有）延迟不同，怎么对齐的15.整个pipeline的E2E latency是多少？瓶颈在哪你说中间用了 LQR，你 gain matrix 是 constant 吗？有没有做 gain scheduling？基于什么指标调的16.控制系统稳定性你怎么保证？有没有做过 Lyapunov 函数证明17.做过 trajectory optimization 吗？是基于 collocation 还是 direct shooting18.假设你有个 policy 输出波动很大，你会考虑在 policy 层加高通滤波器还是在 loss 层加 penalty？为什么？19.diffusion policy 是连续动作空间，那你是建模 joint distribution 还是 marginal20.语言指令不是 deterministic 的，你们是直接用 language embedding 吗？有没有考虑language-conditioned latent variable model？

省流：迟到，面试开始第 8 分钟说，想问的都问完了，然后出了一道移除重复元素，直接进反问腾讯地图 北京周一中午约的一面，聊了一个小时冒头，第二天就约二面了面试官迟到了三四分钟，倒无所谓了进来先开始吟唱，然后让我自我介绍自我介绍了三四分钟，不知道面试官对哪感兴趣，就问了一嘴要不要继续展开面试官说，挑一个比较难的项目讲讲，就挑了一个，讲了一下没有任何的回答和评价，直接问了一个八竿打不着的八股文正常回答之后，没有任何的评价，直接说，那我问的差不多了，重复的我就不再问了，咱们来做一道题吧给我一道移除重复元素讲完思路，写完之后直接进反问当时已经知道什么情况了，但是我还是正常进行了反问。然后对方开始戏谑的笑，一点没开玩笑太爽了，兄弟，人生最爽的二面结束之后 10 分钟之内给我挂了

1. 自我介绍2. vector 的底层实现原理是什么？扩容时发生了什么？答：vector 本质是一块连续的堆内存，维护三个指针：指向数据起始位置、指向当前末尾、指向分配内存的末尾，分别对应 size 和 capacity。扩容过程：当 size == capacity 时，继续 push_back 会触发扩容申请一块新的更大的内存（通常是原来的 1.5 倍或 2 倍，不同实现不同）把原来的元素全部移动（或复制）到新内存释放旧内存更新内部指针关键点：扩容后所有迭代器、指针、引用全部失效，因为底层内存地址变了扩容是 O(n) 操作，但均摊下来每次 push_back 是 O(1)如果提前知道大小...

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2生成式推荐本质上是在做隐空间到离散iD的映射，你如何证明你生成的 ID 序列保留了用户意图的最优压缩3.比如广告场景下不仅仅是预估 CTR。如果我们将生成式排序引入 GSP拍卖，大模型生成的候选列表概率分布，如何保证满足激励相容性4如果模型生成的排序导致广告主出现竞价上的博弈呢5.在H100集群上跑生成式重排，现在的瓶颈不在计算而在存储带宽。如果分阶段推理，我在Prefill阶段采用了FlashAttention-3，但在 Decoding 阶段因为 KV Cache 导致的Fragmented Memory太严重，怎么办6.推荐系统要求毫秒级响应对于1B规模的排序模型，如果我要做Speculative Decoding，你如何设计那个Draft Model？这个小模型是该学大模型的 Logits 分布，还是该学用户的Embedding聚类7.假设构建一个端到端生成式广告系统。现在面临一个场景：某个新入驻的土豪广告主投放了一批高质量视频，但由于模型对新 ID 的 Semantic Indexing 尚未完全对齐，导致第一波推荐给了错误的人群，产生了极高的 Negative Feedback，生成式模型的自回归特性会不断放大这种“第一印象”，导致该广告主瞬间被屏蔽你如何设计一套Online Counterfactual Correction这种，在不重新训练模型的前提下，通过修改 KV Cache里的隐藏状态来强行挽回这批广告的生命周期9.在短视频重排阶段使用了一个 10B 的生成式模型但是业务反馈说模型在学会了今天最火的某个梗以后，竟然忘记了如何处理用户对“长尾科普视频”的旧兴趣，发生了明显的 Catastrophic Forgetting，设计一种基于 Gradient Orthogonal Projection的优化器，确保模型在更新实时热点知识时，参数更新量在旧知识的Null Space内。10.都知道生成式模型有位置偏差从 Attention Entropy 的角度来看，为什么 $N$ 个候选 Item 在序列中的排列顺序会直接导致 Logits 的非线性漂移

1. 介绍一下你做过的最复杂的嵌入式项目，整体架构是怎么设计的？答：以一个基于 STM32F407 + FreeRTOS 的 OTA 远程升级系统为例。整体架构分三层：硬件驱动层：UART（DMA收发）、SPI Flash、I2C EEPROM、GPIOOS 服务层：FreeRTOS 任务调度，包含 WiFi 通信任务、UART 数据处理任务、LED 状态任务、EEPROM 管理任务应用层：OTA 升级协议解析、固件分包接收、Flash 存储管理、bootloader 跳转逻辑关键设计决策：使用 UART + DMA + 空闲中断接收 ESP8266 数据，避免 CPU 轮询，接收完成后通过二...

发点面经攒攒人品～1.项目拷打2.训练数据是如何构造的？如何做数据清洗、去重和质量控制？3.RLHF 的完整流程是什么？4.如果只使用 SFT，会带来哪些问题？5.在 RLHF 中奖励模型的训练数据是怎么构造的？6.如何避免奖励模型被策略模型“欺骗”？7.你怎么看当前大模型在对齐、安全和成本上的挑战？8.手撕：实现 区间第 k 小查询支持多次查询，要求接近 O(log n)

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.介绍实习项目时，重点讲你解决过最困难的问题以及最终的优化效果。2.你在训练大模型时用过哪些分布式训练方案？数据并行、模型并行、流水并行的区别是什么？3.DeepSpeed 的 ZeRO-1 / ZeRO-2 / ZeRO-3 的核心差异是什么？4.如果训练一个 70B 模型，如何估算单卡显存占用？5.除了 ZeRO，你还了解哪些训练优化方法？6.LoRA 的原理是什么？为什么低秩分解可以减少训练参数？7.LoRA 中矩阵 A 和 B 为什么通常采用不同初始化方式？8.手撕：实现 滑动窗口最大值

1. FreeRTOS 中任务栈溢出是如何检测的？configCHECK_FOR_STACK_OVERFLOW 的两种模式有什么区别？答：FreeRTOS 提供两种栈溢出检测方式，通过 configCHECK_FOR_STACK_OVERFLOW 配置：模式1：在任务切换时检查栈指针是否超出栈边界。速度快，但如果溢出后栈指针又回来了，可能漏检。模式2：在任务创建时用固定值（0xA5）填充整个栈空间，切换时检查栈末尾的几个字节是否被改写。检测更可靠，但有轻微性能开销。两种模式都会在检测到溢出时调用 vApplicationStackOverflowHook()，用户在这里处理错误（比如打印任务名...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.介绍实习和论文2.介绍你熟悉的大模型架构追问：两者在注意力结构、训练策略和推理优化上的主要差异。3.为什么 MoE 架构能在参数规模继续扩大的情况下保持训练效率？4.MoE 的路由机制是怎么工作的？为什么会出现专家负载不均的问题？5.如果专家利用率很低，你会怎么优化路由策略？6.SFT 和 RLHF 在训练目标上有什么本质区别？为什么很多模型在 SFT 后仍然需要 RLHF？7.RLHF 中 PPO 的核心优化目标是什么？写出 PPO 的目标函数，并解释每一项的意义。8.手撕：实现 K 个有序数组的中位数