顺丰 机器学习工程师 二面 过了

深挖项目+一些八股+手撕2道1.研究方向是人工智能，为何转到/学习前端？2.实习经历写的node微服务中间层主要是干什么？（我提到了协议转换，因为实习的bff项目对接后端那边的grpc服务，对前端暴露rest api端点）3.所以你认为中间层的职责边界是什么？仅作为一个协议转换吗？（我提到了接口编排，比如前端在某个功能上需要调用后端多个接口时，可以直接在bff中做一个整合，只返回给前端一个接口，这样前端的复杂度也能降低，这个想法是之前在研究实习的项目时问ai得到的，实际上实习的时候也没做接口编排，这部分答得不好，我对bff项目的价值和了解太浅了，仅限于我自己的那部分dirty work）4.对node微服务的复杂度有什么处理吗？需要考虑哪些异常场景？或者是怎么解决的？就是如果以聚合api的调用为例，这个过程中可能遇到哪些异常场景或者是哪些你认为需要关注的点？（真的不会回答，因为真没做过接口聚合，我猜测可能会跟异常和错误的处理有关）5.是不是意味着一个接口出错了，整个过程就中断了？（我提到可以做重试，可以设定一些重试规则，比如网络错误，满足规则就可以发起重试，避免某个接口出错就直接报错，尽可能使得接口能成功返回响应，感觉我的回答还是太浅了，但是的确就是只知道这一点orz）6.从前端服务的一个可用性来看，就是我们尽可能的满足它的一个可用性，那么在这种聚合的场景下，有没有什么办法尽可能满足它的可用性？数据影响范围应该尽可能的小，不能因为一个接口出错，整个服务都不可用，对吧，那么针对这个有什么考量？哪些可以聚合，哪些不可以，聚合的原则是什么？（理解到面试官意思了，但是我答得不好，描述很混乱，我的大概理解是聚合的原则必须是前端请求的数据之间关联性很强，但是不会回答，也不知道如何描述，并且只知道这一个点）7.你这里的重构请求层是什么意思？为什么要重构？（这里我脑子昏了头了，回答成了在简历中写到的另一条工作，我傻了orz）8.前端有哪些性能指标可以关注？（我答了FCP、LCP）9.这都是基于开发过程的性能表现，那如何知道在用户的真实使用情况？（不会答。乱答的）10.生产环境怎么感知用户性能或者错误问题？（我回答听说过sentry，但是没用过，不知道怎么用orz）11.ai辅助编程用的多吗？用的什么？会深度集成使用还是做提示？（这种问题怎么回答才能显得我既能使用ai提升效率，但是又不是完全依赖呢？搞不懂orz）12.你之前做过深度学习，那你知道为什么ai会容易忘记上下文？（上个回答提到这点，但是实际上我做的不是深度学习啊orz，所以也是乱答）13.有用过mcp之类的工具吗？（没有orz）14.前端的同源策略，跨越的处理？15.简单请求和复杂请求的区别？16.webpack和vite在开发、生产模式的区别？17.esm和common js的区别？18.import在esm中是个引用对吧，那编译时怎么实现的引用更新？最正构建出来的产品怎么实现的es特性？19.实现map（最开始用对象，发现不对，因为对象的键不能像map那样支持多种类型的变量，最后用的2个数组实现，但是写的过程中磕磕绊绊，暴露了短板）20.图有关的算法题（图，在此之前没刷题，因为总觉得不会考，没想到还是很重要的，最后还是暴力写了，不过写的还是有问题，其实后来发现也很简单的题，dfs就行）

二面过去已经一周了，没有消息，但是流程还显示在面试中，这种情况是不是已经挂了只是没有更新啊？

📍面试公司：虾皮 shopee🕐面试时间：2025.10.17 11:00💻面试岗位：算法工程师 NLP/知识图谱方向 ❓面试问题：（简历投的很早了，写的很乱，首先自我介绍，面试官要求突出介绍擅长的框架）（漫长的问项目环节。以下内容都是简历里写到过的，面试官全程基本上没有问简历内容以外的八股）为什么用USC方法？是多个不同的大模型，还是同样的模型输出不同的内容?说说SFT具体怎么做的。DPO的数据集如何构建？DPO的原理？讲讲LoRA的原理？DPO和LoRA的数据集结构有没有什么区别？（手撕代码）找最长的回文子串长度：二维dpT T被python的拷贝坑了，初始化二维数组切记不要用 dp...