秋招搜广推算法进度

继续来分享下最近的面经~欢迎友好讨论，信息共享1.实习拷打2.拷打第一个项目:2.1新引入的特征来自于什么场景?具体类型是什么?2.2线上收益多大?是否显著?实验是否推全?2.3模型训练数据的融合方式，是离线天级别更新吗?2.4消融实验都做了哪些?哪个模块贡献最大?2.5线上效果是否一上来就为正向(是否遇到离线好但线上差的案例)3.拷打第三个项目:3.1模型Token化改造的动机是什么?3.2Token化和Embedding有什么区别?3.3整体结构参考了哪些业界方案?3.4超长序列如何压缩?3.5是否做了模型的scaling up?模型的参数量和计算量在什么level?3.6 收益的主要来源是什么?3.7后续的迭代方向?4.AI Coding相关问题4.1AICoding题(冷启商品推荐&线上指标异常排查)你是怎么思考的?4.2平时是否使用AIcoding/AI数据分析?

一、基础信息与求职意向类你现在是在哪？你对工作地点有什么要求吗？（北上广深都 OK 吗？）二、项目相关类（用户答题项目）你挑一个项目来聊一下。这个题目是什么题目类型，这些是怎么规定的？所有的题目都是依赖于你们自己去写吗？题目是随机生成的，它的范围是随机生成吗？会生成各种难易程度的题是吗？那怎么判断题目结果是否正确呢？没有主观题的话需要怎么处理（判断）？那我们的第一版（项目）有没有这些 AI 相关功能呢？如果是基于第一版，我们怎么样去做主观题的判断呢？你这里面用的那个 redis，这个 redis 的话是做了些啥呢？那相当于说 redis 只是做排序用是吧？那你这个（redis 数据）如果说数据有更新，你这块需要怎么更新？这个（先操作数据库再删缓存）有没有什么问题？如果说我们有一个数据场景，在一个方法内后续的流程会立马用到缓存，那延迟双删有效果吗？那你这个积分的更新的话是怎么做的呢？怎么避免一个更新多更的场景？积分是加积分吗？还是减积分？那累加的话，你怎么避免加少加错呢？如果说是集群场景（积分累加），怎么处理？使用 redis 的 set NX 做分布式锁，假设出现网络超时，这种会不会有风险呢？分布式的场景有哪些？分布式锁的优缺点是什么？锁的获取是有公平性的吗？死锁产生的必要条件有哪些？积分的更新除了加锁这个方案，还有其他方案吗？（乐观锁 / CAS）具体怎么实现？是在哪一层实现的？（数据库层面）通过 SQL 要怎么做来保证积分更新的准确性？（数据库更新积分的 SQL）你这个 service 要怎么写，大概可以描述一下吗？（举例：库存有 30 个，要把库存加 1）你怎么保证数据库操作中判断的数值是一致的？或者说你这个一样的值是什么值？你怎么样保证 AI 出题的结果按照预期返回？那 AI 出题会不会有乱返回的情况？三、技术基础类缓存的优缺点是什么？缓存性能比数据库好的具体原因有了解过吗？缓存有哪些结构呢？缓存雪崩有了解过吗？（怎么解决？）如果数据量特别大，缓存雪崩该怎么处理？缓存的删除逻辑 / 过期逻辑是什么样子的？比如说缓存过期了，会立马删除吗？TCP 和 UDP 了解吗？TCP 和 UDP 的区别是什么？UDP 的使用场景是什么呢？TCP 是怎么去保证它的可靠性传输的？（关于 TCP）滑动窗口的相关知识可以说一下吗？TCP 的慢启动为什么要这么设计呢？mysql 怎么避免注入的呢？在 mysql 层面是怎么做防 SQL 注入的，不是在业务层面？四、AI 工具与大模型相关类你有用那个 open class（OpenAI 相关工具）吗？那你用它去做了哪些事情呢？那你有没有去写过 skills？那怎么避免 skills 带来的安全风险呢？那 skills 和 MCP 的区别是什么呢？你平时中用到了哪些大模型？你觉得大模型给你个人有了哪些提升吗？或者说他给你带来的帮助有哪些呢？大模型生成的代码是一个白盒的吗？（功能是否符合预期？）五、算法实操类挑简单 / 中等 / 困难的算法题来做一道。（二分法递归的一道hard题，题目有点想不起来了，手撕失败，写了50多行没跑通）六、职业发展类（求职者提问后，无直接问题，为交流式回应，无明确提问点）

4.11阿里笔试AI方向A了1.8道，签到题和第三题，第二题看不懂题目先跳了，又怕没时间做选择就交了。。。。

听不少朋友都说阿里的笔试挂了会影响秋招，直接就不能投递了，lz到现在还没做过大厂笔试，想多准备准备，感觉笔试把握不大，如果挂的概率比较大的话，还是更愿意等到秋招的时候再进行投递，但是这个消息的来源到底是什么，真实可信吗，我问过一个淘天的hr说不影响秋招投递，这个到底是什么说法啊