快手云原生一面

📍面试公司：阿里国际🕐面试时间：26.4.9-45分钟💻面试岗位：AI应用开发❓面试问题：非简历上的补充介绍构建向量与关键词混合检索的背景、具体实现逻辑，以及为何选择ES作为统一存储引擎而非独立向量数据库，以及ES如何存储向量化文本和文本的？向量与关键词检索的结果怎么处理的？针对混合检索效果的评估，你采用了哪些指标？当前评测方法存在什么局限性？后续计划如何构建更贴合水利业务的评估体系？在多格式文档解析环节，为何选用Apache Tika而非直接调用大模型进行解析与分块？这种选型背后考虑了哪些工程约束？介绍Redis Bitmap管理文件分片状态的作用。了解过业界的上下文记忆和多轮对话吗？...

没录音, 可能有遗漏Q1 自我介绍Q2 介绍一下你的 Agent 项目 (从前端到后端都说了一遍)Q3 你的这个对话 agent 在思考执行时前端是什么样的? (会输出思考流程 + 结果)Q4 前端对话在在执行过程中是怎么通过 sse 实现的 (这里不熟悉, 瞎扯了一番)Q5 上下文是怎么实现的Q6 MySQL 的索引是怎么实现的 (开始吟唱)Q7 项目是学习项目吗? 有投入现实使用吗? (都是学习网上开源项目)算法:Q1 1~n 的全排列 (由于不是 lc 的编译环境, 在写 lambda 递归函数时小卡了一下后成功做出)Q2 用容量为 a, b, c 的三个容器, 写一个函数判断是否可以盛出 t 容量的水 (不会做, 和面试官讨论很久一直在引导我, 面试过程中以为是 dp, 后面问 AI 才知道是 **裴蜀定理** )反问:Q1 觉得我答得怎么样? (可能是我 **Q2** 扯太久了, 不是商用项目都经不起推敲, 少聊一些项目)后面还扯了一些其他的内容, 面试官都是答一点就不深入聊了, 知道不感兴趣, 就没继续了反思:自己还是太学生思维了, 答项目那里应该说的 "高调一点". 还有就是死板的背知识点, 没有联系业务与服务

1. 全参数微调的显存一般怎么估算全参数微调的显存不能只看模型参数本身，真正上线训练时至少要把参数、梯度、优化器状态和激活值都算进去。最粗略的估算方式是：如果模型参数量是 N，训练精度是 bf16，那么参数大约占 2N 字节，梯度再来一份 2N，如果用 Adam，还要额外保存两组一阶和二阶矩，通常再加 4N + 4N 字节。也就是说，不考虑激活值时，单参数相关内存大致可以按 12N ~ 16N 字节估。真正把 batch size、sequence length、checkpointing、并行策略加进去后，激活值往往才是大头。所以面试里如果只答“参数量乘 2”基本不够。更稳的答法是先给出静态...

虾皮oc 兄弟们有oc的吗3.25hr面，到现在一点反应没有啊😮‍💨唉