快手AI agent前端二面 攒人品

发点面经攒攒人品～1、为什么引入父子索引？2、为什么在检索阶段引入 BM25？3、rerank 后一般返回几个块？4、rerank 后的 topK 截断是怎么做的？5、讲一下上下文工程是怎么设计的。6、记忆机制是怎么做的？7、Function Calling 是怎么设计的？8、Agent 的任务规划是怎么做的？9、Prompt 注入攻击如何防御？10、工具调用的安全控制是怎么实现的？11、讲一下分布式令牌桶限流。12、漏桶算法是什么？13、滑动窗口算法是怎么实现的？14、滑动窗口和令牌桶相比有什么区别？15、布隆过滤器讲一下。16、数据库索引失效的情况有哪些？17、like 查询会不会导致索引失效？18、RAG 系统如何评测？

二面，还是视频面试，这次面试官换了一个人，自我介绍说是做系统软件方向的高级工程师。和一面相比节奏明显不一样，问题少但每道都很深，基本上每个话题都会顺着你的回答继续挖，感觉整场面试就是在不断被追问。项目聊了将近三十分钟，他对架构设计和遇到的问题非常感兴趣，问了很多"为什么这么做"和"有没有更好的方案"。后半段有一道系统设计题，没有手撕算法，但设计题聊了很久。整体强度比一面高不少，面完感觉脑子空了。1. 讲一下你对 C++ 对象内存布局的理解，虚继承是怎么解决菱形继承问题的？答：一个普通 C++ 对象的内存布局，从低地址到高地址依次是：如果有虚函数，最开头是...

如题，百度马上要确定入职，快手二面卡了五天了，二面面试官说3天内答复😂感觉面的挺好的还和面试官聊了聊天，求助现在应该咋办

这一轮更偏大模型、量化和推理基础理解这场蚂蚁 AI Infra 三面，整体感觉和前两轮又不太一样。前两轮更多是在深挖我已经做过的项目，这一轮虽然也会问项目，但明显更关注我对大模型推理、量化、KV Cache、attention 这些基础问题到底理解到什么程度。开头还是先做自我介绍，我主要讲了自己现在在做的几个方向：一段偏工程化的软件开发经历，一段偏算子和图优化的实习经历，以及自己在做的一个基于 Python extension 的量化推理 runtime 小项目。这一轮项目部分问得相对直接。面试官先让我展开讲了自己做的那个量化推理 runtime。我这边讲的是，基于一个开源 runtime 做...