同花顺 aigc 部门 oc

1．自我介绍2．你做的上下文扩大具体是怎么做的，原理是什么？3．相关长文本是怎么做几阶段训练的？4．除了所用的扩展方式， Deepseek 、 Llama 的长文本扩展方案是什么，为什么选择当前方案而非其他？5．若要将模型训练到1000K的上下文长度，该从哪些方面实现，其中的难点是什么？6.32B模型训练用到了多少显卡？7．若将上下文扩展到1000K，该如何估算训练的算力用量？8．上下文扩展到1000K后，训练时显存会在哪些地方暴涨？9．用 GRPO 做后训练的过程中，遇到的典型或较难的问题是什么？10．针对上述问题，训练 Skill 的具体方式是什么？11．从算法设计角度，该如何解决模型无效调用工具、工具调用参数失败的问题？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 做一下自我介绍2. 如果一个核心链路已经同步调用很多下游了，为什么还要引入消息队列，而不是继续堆线程池消息队列真正解决的不是“异步”两个字，而是削峰、解耦、容错和流量治理。同步链路堆线程池只能把等待成本从调用方挪到自己进程里，并不能改变系统容量边界；一旦下游抖动，请求会在调用链上层层堆积，最终把连接池、线程池和网关超时一起拖崩。引入 MQ 后，主链路可以只做核心事务，非核心逻辑异步化，下游能力不足时也能通过堆积和消费速率控制做缓冲。不过 MQ 不是银弹，如果业务要求强一致、低延迟、同步结果可见，盲目异步反而会把复杂度转移到补偿和状态机里。3. 从生产端到消费端，怎么把“消息不丢”这件事讲...

今天投了这些公司，期望能够收到面试！有相同的牛友欢迎在评论区更新进度1、字节跳动，AI应用开发工程师2、阿里巴巴盒马，AI Agent研发3、蚂蚁集团，AI应用开发4、高德地图，AI应用算法5、同花顺，AI应用开发

3.16（周一）一面3.18（周三）二面3.23 （周一）hr面 当天 oc一面主要问了常规八股，算法题是买卖股票的最佳时机 I二面想起来录音了！面经如下：1. 请先做一个简要的自我介绍。2. 确定目前想从事的岗位是前端开发吗？3. 学习前端相关技术大概是从什么时候开始的？4. 目前自己做过哪些前端相关的项目？5. 在做 AI 对话项目的前端时，有没有使用过 AI 编程辅助工具来帮忙编写代码？6. 使用 Cursor 等工具时，通常会提供什么样的输入（比如纯文字描述、网站截屏等）？7. 在使用 AI 工具辅助生成代码的过程中，有没有遇到过什么问题？8. 有没有使用 Claude Code 解决过具体的开发需求（例如完整实现某个页面）？9. 对比 Cursor 和 Claude Code 的使用体验，你认为 Claude Code 的主要优势在哪里？10. 你的项目底层调用了什么模型？整个调用大模型的流程是否已经完全跑通并可用？11. 从输入一个问句（Prompt）给大模型，到模型处理的中间过程，大概会经历哪几个阶段？12. 对前端性能优化以及相关性能指标有哪些了解？13. 在前端性能优化方面（如骨架屏、加载占位等），是否有过具体的落地实践？14. 算法题： 买卖股票的最佳时机 II三面是常规 hr 面，面试末尾当场 oc 了