一、背景与项目核实1. 你做 PPT一般会用哪个软件做？（追问：这两者有什么不一样吗？你会用别的软件做辅助吗？如 Sketch/Figma/PS）2. XXX这个项目，持续的时间有多长？你怎么间接贡献？3. 举一个你印象中比较深刻的例子，比如你负责这个产品有多少 SKU？二、数据分析与底层逻辑1. 你持续维护XXXX核心数据监控体系，做这个事情的目标是什么？2. 你们XXXX核心数据有哪些方面？核心指标是什么？（追问：只有 XX成功率这个数据吗？）3. 你们的漏斗分几层？分别的关键动作是什么？那每个漏斗都会有什么样的考虑去这样设置呢？4. 你们XXXX和XXXX中间有多少个环节或者有多少个步骤？（追问：那中间的环节就不看了是对？）5. 你们这个XXXX是要收费的是吧？（核实变现模式）6. 你的转化率提升 X% 是在哪个环节做提升的？如果你的数没有问题的话，你的一些归因要怎么归？7. 你的季度 UV 规模提升了 XXX，转化率提升了 X%，那么你的季度 UV 规模是多少？（追问：你们的 DAU、留存和活跃呢？）三、项目落地方案与方法论1. 核心功能迭代和本地化优化里面，你能举一个跟我们现在在招的岗位比较相关的需求优化的项目案例吗？2. 在这个做的过程中你是怎么做的？有没有遇到问题以及遇到问题了之后怎么解决？最后拿到什么样的成果？3. 你做的XXX项目，其牵引指标和你上线后观测的指标分别是哪些？4. （针对引入XX设计后）整体的通过率是否会变更高？你们有在观测吗？如果做了之后，你的通过率会提高多少？5. 你对 AB 实验有了了解吗？或者是有有做过吗？四、对百度XX AI 业务的理解1. 你之前有用过XX吗？XX的 AI 功能，你有尝试着用一下？2. XX首页有登录进去吗？（好核实对产品首页的熟悉度）相关信息已做模糊处理

1. 第一段实习的核心任务与业务目标分别是什么？2. 四塔多目标方案相较经典双塔在 CTR/跨类目召回上带来哪些可量化收益？3. 离线样本构造、天级更新流程及线上特征滞后补偿机制如何设计？4. 用户塔输入特征列表中，哪些对跨类目效果拉动最大？上线后除 AUC 还重点监控哪些业务指标？5. 多模态向量维度规模多大？全量推涨后提升显著的根因分析结论是什么？6. 商品塔接入多模态 encoder 后为何离线指标下滑？定位到哪个环节？7. 第二段实习的特征清洗链路如何缩短 40%？混合负采样的 hard 比例与动态策略、loss、激活函数分别如何选型并对比？8. 是否尝试过 MMoE 等专家网络？专家数量与推理延迟增量各是多少？9. 推荐场景下除 dropout 外的两种过拟合抑制手段10.Transformer 各子层功能及去掉 FFN 的影响11. 编码：在已排序数组中用 O(log n) 实现目标值的左右边界查找

一、个人信息问题1.简单做自我介绍。2. 应聘成功后能否保证6个月试用期。3. 两段实习经历中是否遇到过内存泄漏问题，如何定位与解决。二、Java基础与核心知识问题1. 了解的Java常用集合有哪些，具体适用场景是什么。2. HashMap的键为何一般不可变。3. HashMap出现哈希冲突时如何解决。4. HashMap中链表为何要转为红黑树，为何不直接用红黑树实现。5. ArrayList的扩容机制是什么，为何扩容为原容量的1.5倍。6. 如何理解Java反射，反射在工具类（如Spring）中有哪些应用，Spring的IOC通过反射具体怎么做。7. JVM内存结构包含哪些部分。8. Java中new一个对象，与内存分配使用相关的实现过程是什么。9. new对象时内存不足会发生什么操作。10. Minor GC如何上升到Full GC。11. 如何理解线程安全，Java中线程安全相关案例及保障关键字（synchronized、volatile等）的作用。12. synchronized和ReentrantLock的区别，使用上有何不同。13. 为何需要公平锁和非公平锁两种锁类型。14. 是否用过多线程，线程池的拒绝策略有几种，分别作用是什么。15. 线上使用线程池时，参数设定、拒绝策略制定有哪些经验。三、MySQL相关问题1. InnoDB存储引擎与MyISAM引擎的区别。2. COUNT(*)、COUNT(1)、COUNT(某一列)三者的区别，平常常用哪种。3. MySQL默认的事务隔离级别是什么，除默认外还有哪些事务隔离级别。4. 可重复读隔离级别的MVCC除对应解决的问题外，还能解决哪些问题。5. InnoDB的索引结构为何是B+树。6. MySQL出现慢查询时如何处理，若加了索引仍扫描大量行该如何优化。7. 1000万数据量的大表直接执行表结构修改的UPDATE语句是否合理，若不合理该怎么做。四、其他技术相关问题1. 平常是否用K8S，是否了解K8S的使用方法。2. 将个人简历基本信息（性别、手机号等）存入Redis，适合用什么数据结构，为何不用string类型。整体节奏平和，这周二约的面，原本在手子不想面了，但是HR一直在沟通，说一天可以走完流程之类的，加上之前没面过百度就想试一试，可能是由于岗位工作偏简单（前期工作配合测开写单测），所以面试难度很低，跟之前看的招超人那种完全不一样。抽象的是面试官迟到了半小时，发邮件也不回，HR也不接电话，后来HR终于接电话了，面试官给的回答是他忘记了，有点抽象。感觉最近裁员应该缺人蛮厉害，大家可以都试一试

上来手撕：合并区间1. TCP三次握手和四次挥手2. IO多路复用3. 开放型：设计RPC框架需要注意什么4. MySQL索引5. MySQL事务 隔离级别6. SQL有哪些优化方式（不太会7. 有没有CPU/内存管理的优化经历8. 了解哪些GC机制9. 反问：进去用Go语言做开发

1. 说一下实习和项目2. HTTPS的S3. I/O多路复用4. 平常写过SQL吗，了解优化方式吗5. Redis 支持哪些数据类型6. Transformer比CNN、RNN的优势7. DeepSeek的论文读过吗，突破在哪8. 了解Go吗，说一下理解（我说支持高并发协程手撕：最长递增子串

1.项目介绍2.实习相关3.项目相关4.GMP模型5.协程，线程，进程的区别。多进程程序有必要吗6.介绍一下垃圾回收机制7.进程之间通信方式8.I/0方式有哪几种，I/O多路复用底层实现Golang的I/O多路复用:9.浏览器到输入URL的过程10.TCP三次握手如果客户端最后一次不握手不发送ACK会怎么样11.介绍一下CDN。怎么访问到边缘服务器12.手撕代码:判断是否有子数组和为K

1.Prompt是如何生成的，优化目标是什么，任务是什么？2.减少大模型幻觉，你用过哪些方法？3.介绍一下 beam search原理，与直接sample的区别？4.搜索准确性不高你怎么排查？5.召回、排序哪个阶段最可能出问题？6.在简历项目中，你用到Bert，你能不能介绍一下 BERT和GPT的训练方式(预训练任务训练细节)的区别？7.你在项目中做过哪些相关性优化？有没有量化结果？8.生成式搜索能否保证 top-1 的准确性？怎么提高？9.agent 服务高可用、稳健性是怎么保证的？10.生成式排序你了解吗？11.如何构造排序模型训练数据？如何解决正负样本不均？

1.大模型灾难性遗忘是什么？怎么解决的？2. 数据蒸馏的方法3.项目中怎么做的多任务学习，有用到经验回放吗4.deepspeed三个阶段5.计算attention时候为什么要除以根号dk，还有哪些scale处理？6.讲DPO、PPO、RLHF什么7.什么是旋转位置编码，解决了什么问题，为什么8.讲lora微调，如果是全量参数sft需要多长时间？9.实践过程中有什么值得注意的点10.了解deepseek - R1吗，介绍一下11. QWEN2的架构和训练方式

时间线：11.21 于ssob投递，12.1 电话约面，12.04 一面，面试时间45min。这么多天没消息了，估计是凉凉了百度居然是接受Java转Golang的，最近我也开始准备着学一下Golang相关的技术栈。遇到的面试官很好，询问项目细节和八股问题时也会给出引导。不过此次面试过程中，面试官未开摄像头。整得我很不安，因为不知道对面的神情状态。此次面试的重点围绕MySQL和Redis进行发问，这两块我学的还是挺充分的，但很多八股还是有点小忘。顺带还问了点消息队列，答的一坨。点评项目在历次面试中必问一人一单和超卖问题的解决思路，以及为什么如此技术选型。很奇怪的是JVM在之前几次面试中基本都不问...

1、照例是讲了讲我的项目，以及项目亮点2、我项目中有爬虫，然后就问我在爬虫过程中遇到了什么问题?3、他接着扣了我的爬虫项目，问我，如果对于大量的url你是如何确定这个url爬没爬过?4、然后问了我，对于爬取的url怎么设置优先级，如何保证早上的新闻比晚上的新闻先爬取?5、然后问了我一个多线程的问题，就是10个线程执行，然后主线程必须等10个线程都执行完了，然后获取到10个线程的计算结果，然后才能计算出自己的结果也就是说必须等待10个线程都执行完了，我才执行，如何做?

1.上来还是照例问了问项目以及项目亮点2.字符集和编码的区别3.Java的8种基本数据类型，说的数据类型，然后问我shorts1=1:s1=s1+1;对不对4.Final修饰词作用5.String中重写equals不重写hashcode会出现什么问题6.LinkedList适合用什么排序7.考了一到手写代码题，就是找二叉树的蕞小深度8.问了我对于try里面的数据库断开连接操作，为了保证连接断开，继续在finally中执行断开连接操作，如果finally中继续抛出异常，怎么能确保数据库连接断开?

1. 实习介绍2. 介绍一下第一个项目3. 如果有一些其他特征，怎么融合入模型中4. 对图召回了解吗5. 对排序模型的了解6. 如果要对点赞率，转发率等指标进行预估，你会采用什么模型？7. Bottom shared模型和PLE模型的区别8. 解释一下负迁移和跷跷板问题9. 如何缓解跷跷板问题（其他角度）10. 粗排模型如何训练的更好？11. 粗排的样本选择和精排有什么区别？12. 用户冷启动怎么解决？13. 了解强化学习吗？（面试官应该是想让我从探索与利用方面来考虑冷启动）14. 手撕：Leetcode 59 螺旋矩阵15. 反问：业务范围

1.Mysql单表的数据量2.Redis分布式锁，有什么需要注意的？锁住的是什么数据？解锁怎么办？怎么判断是不是自己的锁？3.Rabbitmq的commit怎么做的？是否会有commit失败的情况？怎么判断是否消费成功？4.B+树，非聚簇索引里面存的是什么值？5.生产者生产消息到接收者接收消息，整个流程是什么？怎么处理的？6.Jwt的有效时间失效了怎么办？在不重新登录的情况下，有没有别的方案？推荐了解refresh token7.如果将参数篡改了，应该怎么办？8.如果设置权限，怎么个设置法？9.ssl的加密套件是什么？10.讲一下https13.Mysql一页数据大小是多少？

开头先来整点小感悟这次从滴滴离职之后花了两个礼拜多一点进行了个菜鸟康复训练八股算法手撕啥的还真是四个月没学 忘得一塌糊涂之后又用了七天时间差不多面了10场本小红书梦女拿到🍠offer后就没有再面啦一直忘记整了 这次趁周末整理完秉着开源精神来分享一下我的面筋~汇总如下：虾皮 一面✅️二面✅️hr✅️oc✅️哈啰 一面✅️笔试放弃做了但是莫名其妙说oc✅️了贝壳 一面✅️二面诡异至极 无后续米哈游 一面✅️二面拒了小红书 一面✅️二面✅️（我是🍠梦女）百度 一面无后续（面试体验特烂无比 至少我觉得我的表现没有问题）这次感觉面试都以问实习居多，需要对实习的产出有比较深入的理解感觉主要可以从为什么...

1.讲一下你对SpringBoot的理解2.平时用哪个版本的Java比较多？3.Java17和Java8有什么不一样的地方4.说一下你对虚拟线程的理解5.你是怎么用Lua脚本实现CAS的？（即超卖问题是怎样解决的）6.一道MySQL场景题，如果你收获了一个宝藏（指800亿条需要删除的SQL数据），你要怎么删掉他们？7.算法：LRU缓存8.询问个人基本情况9.反问环节

1、先询问了我实习时长、文章署名、实习意愿等问题2、先介绍一个最擅长的项目（这里最好准备一个ppt，我讲解了我的一篇3、论文的模型细节4、各个模块的motivation5、对于某一个模块有无做实验验证6、Vision transformer的创新点7、Swin transformer的创新点8、Resnet的核心idea9、为什么用transformer不用CNN10、另一篇论文负责的部分以及贡献11、对于多模态大模型有哪些了解12、Mamba的创新是什么，对后面的演化路径有哪些了解13、问一个算法比赛的获奖比例

1.展开讲一下在百度实习的工作，想法是如何逐步优化的？2.介绍一下了解的其他基于 MoE 的模型架构3.如果基于 MoE 的模型在训练时负载均衡不好怎么办？4.讲一下负载均衡的概念，如何解决负载均衡问题？5.讲一下DPO、PPO、GRPO的区别6.Deepseek r1中的训练方式有什么特别之处？怎么做的think？RLHF的流程是什么？7.如果在训练 DPO 的过程中，正例和负例的 loss 都在下降，该如何解决？8.讲一下 RAG 项目的亮点9.如果召回的答案不是想要的，该怎么处理？10.量化加速方面有了解吗？解释一下vllm11.代码题：lc129 求根节点到叶节点数字之和

本人学的Java后端技术栈，实话讲真的很纠结，现在根本约不到后端面试，现在拿到大厂测开实习offer不知道要不要去，进了测开以后还能转后端吗，百度测开对春招后端面试有帮助吗12.1 一面 10分钟约二面12.2 二面 10分钟oc12.3发offer55min一面内容1.TCP三次握手，如果只用两次握手客户端会怎么样2.浏览器搜索网页的全过程是什么，越详细越好3.细说DNS域名系统4.项目中redis如何保证数据一致性5.项目中redis过期策略6.redis常用命令7.子查询和联表查询是什么8.linux相关命令想要运行一个服务 把它置为后台运行如何操作知道进程名或端口怎么查询进程占用如何查...

1. 详细讲讲你第一个实习项目的内容和背景。2. 你们采用的是四塔结构（多目标建模），相比传统的双塔结构（用户塔+商品塔），它的优势体现在哪些方面？带来了哪些实际提升？3. 离线流程是如何设计的？线上服务调用离线结果时，是实时更新还是按固定周期刷新？4. 用户塔中用了哪些特征？模型上线后，你们重点监控了哪些指标？比如场景内的表现，以及跨类目的泛化能力等。5. 多模态特征的维度大概是多少？为什么加入多模态特征后，全量上线效果显著提升？6. 在商品塔中引入多模态 encoder 后，为什么离线评估效果反而下降了？你们有分析原因吗？7. 讲讲你参与的第二个项目。这个项目中特征工程是如何优化的？混合负采样策略是怎么设计的？损失函数选的是什么？有没有尝试不同的激活函数？效果如何？8. 在模型迭代过程中，有没有尝试其他结构，比如专家网络（如 MMoE）？效果如何？9. 基础知识点：- 如何有效防止模型过拟合？- Transformer 的基本结构是怎样的？- 决策树的构建原理：基尼指数、信息增益率的计算公式？它们分别代表什么？是越大越好还是越小越好？节点如何划分？树的深度如何控制？如果树太深了怎么办？- GBDT 相比传统决策树做了哪些改进？10. 编程题：给定一个升序排列的数组和一个目标值，编写函数找出该值在数组中出现的起始位置和结束位置。