字节推荐算法筋斗云计划面经

1. 自我介绍2. 实习经历 难点3. 数据倾斜4. CTE的执行计划5. spark stage怎么划分6. 什么算子会触发宽依赖7. hive内部表和外部表区别8. HDFS小文件过多会有什么问题9. 对数仓分层的理解10. 数仓业务域和主题域的区别手撕：1. sql：查询某段时间借书的uid2. sql：查询至少连续两天登录的用户3. 算法：有序重复数组返回n出现的次数

岗位偏多模态、内容理解写面经，攒人品1. 从实习项目中提问八股（1）视频数据是如何采样的？抽几帧？分辨率多少？（2）采样后的数据是如何过模型的？（3）用的什么模型？介绍一下？（4）了解其他的多模态大模型吗？介绍一下？（5）介绍一下transformer的结构？（6）介绍一下multihead-attention?（7）multihead-attention为什么要切分？为什么要做成多头的？（8）你觉得多头注意力能提高计算效率吗？结合公式推导一下？（矩阵计算）（9）不能提高计算效率，详细讲讲为什么？（10）multihead-attention现在有一些优化，现在主流的优化都有哪些方向，每个方向...

补下四面面经吧hh好多记不清了问实习30min深入问了业务 ，广告链路langchain、langraph 、mult-agent和单agent区别八股：mysql 索引 数据结构mysql acidkafka为什么快、如何保证消息有序spring类加载流程redis缓存三剑客redis持久化方式，优劣线上问题排查 dump堆转储文件怎么看java内存模型 垃圾回收jvm调优kafka消息堆积怎么处理并发编程的注意点场景：设计一个支持百万qps的分布式缓存系统算法：三数之和

手撕1: 寻找有序数组中，target的出现次数，要求小于O(n)的时间复杂度 手撕2：查找数组第K小的元素 讨论实现思路 要求时间复杂度小于O(nlogn) 实习的LLM经历拷打 八股 如何增加模型泛化性？ 归一化方式，layernorm和batchnorm的区别和计算方式，为什么要有归一化 Transformer架构中，TOKEN 间交互和TOKEN 内交互分别在那些模块中？ 为什么基于attention的加权融合方式有效 反问：业务和模型使用情况，当前成熟度和存在难点，主要做搜广推，部分场景会用到大模型