京东 二面 后端

京东零售产研    疑似KPI6.4一面 35min   全程跟着项目来分库分表怎么做的创建订单号的基因算法说说项目难点Redis里面的key value怎么设计的追问项目逻辑消息队列怎么用的concurrenthashmap和hashmap区别mysql索引为什么用b+树mysql一条记录什么时候刷盘常见垃圾收集器讲一讲有哪些用于新生代的Redis的高可用讲一讲本硕阶段有什么事对你成长最大职业规划无手撕6.6 二面 20min 一半时间唠嗑分库分表怎么做的缓存一致性怎么做的介绍常见限流方法有做过压测吗慢SQL怎么处理项目难点和收获tcp四次挥手进程线程协程大模型了解吗无手撕，反问回答的很敷衍

我的阶段一直卡在简历筛选那一步了，我想修改投递职位也修改不了，这是什么情况啊？是被锁了吗？后端实习

1. 基础概念题：什么是大模型核心加速技术中的 “算子融合”？举例说明其作用。答案要点：算子融合是将多个连续计算算子合并为一个，减少计算图中的节点数和显存读写次数，降低延迟。举例：如将 Transformer 中的 Add（残差连接）与 RMSNorm（归一化）融合，减少两次内存访问，提升推理速度。2. 技术原理题：Flash Attention V2 如何优化注意力计算效率？与 V1 的核心区别是什么？答案要点：• V1：通过分块计算注意力，减少显存占用（避免存储所有中间键值对）。• V2：引入 “内外循环交换策略”，将矩阵乘法的循环顺序调整为更适合 GPU 并行计算的模式，进一步提升计算效率，尤其在长序列场景下加速明显。3. 量化技术中，FP8、INT4 AWQ、INT4-FP8 AWQ 的适用场景和压缩率有何差异？4. RAG 系统中，文档切分粒度如何影响检索和生成效果？实际中如何确定最优粒度？5.在长序列推理场景中，PagedAttention 和 Prefix Caching 分别解决什么问题？如何配合使用？答案要点：• PagedAttention：将 KV Cache 分块存储在非连续显存中，避免显存碎片，支持处理超长序列（如百万 Token）；• Prefix Caching：缓存历史对话的 KV 对，跨请求复用，减少重复计算（如多轮对话中复用上文缓存）。配合逻辑：PagedAttention 解决显存限制，Prefix Caching 减少计算量，两者结合可提升长对话场景的效率和稳定性。6. 在企业级推理场景中，如何根据需求选择量化方案？举例说明短文本高并发和长文本场景的优化策略。实时客服系统用 INT4 量化加速响应；金融报告生成场景用 FP8+PagedAttention 处理数千 Token 输入。

腾讯校园招聘内推开始啦，快来投递你心仪的职位吧 热乎乎的内推码：EUTPZZRV  腾讯崇尚开放沟通，鼓励员工畅所欲言，为员工提供良好的沟通交流平台。 通过内推链接，完成投递，get内推绿色通道~ 分享一些面经： 第一轮技术面  闭包作用及实际应用场景 HTTP/1.1、HTTP/2、HTTP/3的核心差异 实现红绿灯控制效果（异步时序逻辑） React Hooks的设计动机与类组件对比 浏览器事件代理原理及实际应用 手写Promise核心逻辑（包含resolve/reject） 数组去重与高频字符统计算法 Web安全防护措施（XSS、CSRF） 浏览器渲染流程与重排/重绘优化 跨域解决方案（...