京东零售大模型搜索算法实习一面

继续攒人品！1.实习拷打2.两种触达方式的用户触达率为什么不一样?3.后续的转化率怎么去提升?做了哪些动作?4.用户画像匹配具体怎么做的?5.为什么不考虑行业因素?7.不同用户画像在做触达策略时有什么区别?9.移动端针对用户的转化策略为什么选择该方式?与PC端触达方式有什么区别?10.有没有考虑过后续的留存或复购?11.番茄小说的免费模式对网文行业或网文作者生态有怎样的影响?12.在用户增长方面有哪些个人沉淀的方法论?13.平时用哪些AI工具，主要用来做什么14.谈一下AI对商业化领域的影响

流程挺快的, 一面和二面的间隔大一点, 二面完几分钟就三面了1. 自我介绍2. 实习拷打 大部分时间都在实习上 总时长感觉1小时左右, 一半的时间都在问实习3. 特征筛选如果不只看相关系数，你会怎么做特征筛选不能只看单变量相关性，因为很多特征单独看不强，但和其他特征组合后才有信息量。更稳的做法通常是先做业务分组和统计稳定性检查，过滤掉高缺失、高漂移、强泄漏和强共线的特征；再结合树模型增益、置换重要性、SHAP 分析和线上可用性做二次筛选。对大模型应用相关任务，还要额外关注特征是不是把未来信息泄漏进来了，比如用到了答案后的行为、后验标签或者系统回写字段。真正好的特征不是“看起来复杂”，而是对目标...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目拷打2.lora作用在q,k和作用在FFN上有什么差异3.FFN是干嘛的？4.大模型不同层存什么信息？5.讲讲lora，什么时候考虑用lora，什么时候用全量参数微调？6.lora和全量参数微调学习率的对比7.项目二拷打8.怎么找到badcase，怎么找到原因，怎么确定是哪个原因导致的badcase？9.DPO怎么判断模型有没有训练好？看什么东西？怎么证明模型有区分度？DPO结束后用什么指标评估10.推理加速你都了解哪些？11.讲一下智能体React 和Reflection范式的区别12.长期记忆和短期记忆是什么？怎么设置13.了解上下文管理吗？14.怎么根据模型输出优化提示词？怎么评估提示词的好坏？写提示词的本质是什么？从数学的角度讲一下提示词是怎么改变模型输出的？15.最后是一个AI coding，写一个整理工作周报自动发送到老板邮箱的系统，要求分成至少5个子任务，指出那些需要人工参与，那些是全自动的，还有就是如果用户这周没有记录，该怎么处理这种异常

项目提问，为什么选择这个任务，开发中遇到什么问题，自己怎么解决的？项目开发中技术栈的选择和开发流程。 项目中你做了一些优化，有没有和旧策略进行对比，具体有哪些提升？ 介绍下prompt工程，你了解prompt自动化吗？ 介绍下sft，它是怎么做的，有什么衡量指标 rag知识库怎么搭的？向量维度的选择，embedding模型的选择 java里HashMap的底层实现，什么时候转为红黑树，为什么转红黑树策略这样设置，HashMap的key有什么要求（实现hashcode和equals） 编程题：java实现用一个标记位实现一个锁。和面试官说了不会，换成了K个一组翻转链表。