NLP算法面经16

1. 手撕最大岛屿面积，没撕出来，面试官改成再让撕快速排序2. 介绍召回3. itemcf 相似度公式4. din模型结构5. 介绍推荐系统链路6. 每个阶段都知道哪些模型7. 反问业务面试准备不多，但小红书是我很想去的公司，刚开始找实习就投了，面邀来的很快，再多点时间准备就好了

1.自我介绍 2. Lora 原理（核心是低秩分解：将原始权重更新近似为两个低秩矩阵乘积，减少参数量，保留主导方向，训练高效） 3.了解 DeepSpeed 吗， ZeRO -1, ZeRO -2和 ZeRO -3分别做了哪些优化 （1 优化优化器状态，2 优化梯度，3 切分参数，全面节省显存） 4. Qwen的模型结构是怎么样的，相比于 LLaMA, DeepSeek 有什么区别（Qwen采用GQA+SwiGLU+RMSNorm，和LLaMA架构非常相似，差异在训练数据和tokenizer中文支持更好；DeepSeek只用MoE/ MLA架构，Qwen系列主要是Dense模型） 5.怎么缓解...

📍面试公司：得无🕐面试时间：10.12💻面试岗位：后端开发❓面试问题：1.讲项目2.实习期间，遇到了什么样的问题，怎么解决的，达成了什么样的效果3.数组和切片的区别4.如何避免数组频繁扩容？5.map的底层实现原理6.怎么解决哈希冲突的?7.map是安全的吗？8.协程和线程的区别9.协程的调度方式？10.编码过程中如何避免内存泄漏？11.defer的作用？12.channel有缓存和无缓冲的区别？13.慢sql排查14.主键索引？什么是回表？15.redis是什么？分布式锁怎么实现？16.为什么要看门狗？17.kafka如何保证消息不丢失？18.如何避免重复消费？19.了解过docker吗？用过，但是不太熟悉20.手撕，把0挪到数组末尾反问：1.表现评价？挺好的2.几轮技术面？应该是3轮，不太清楚🙌面试感想：一共二十多分钟，面试官人很好，运气还不错，问的八股都比较基础，过了一天发了测评

岗位偏多模态、内容理解写面经，攒人品1. 从实习项目中提问八股（1）视频数据是如何采样的？抽几帧？分辨率多少？（2）采样后的数据是如何过模型的？（3）用的什么模型？介绍一下？（4）了解其他的多模态大模型吗？介绍一下？（5）介绍一下transformer的结构？（6）介绍一下multihead-attention?（7）multihead-attention为什么要切分？为什么要做成多头的？（8）你觉得多头注意力能提高计算效率吗？结合公式推导一下？（矩阵计算）（9）不能提高计算效率，详细讲讲为什么？（10）multihead-attention现在有一些优化，现在主流的优化都有哪些方向，每个方向...