高德大模型算法秋招一面

1. 手撕
合并区间

2. 八股
1）请介绍 Transformer 的结构组成及各部分作用，在长序列时空数据中，2）如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？
3）GNN的消息传递机制是怎样的？在时空图中，如何结合时间信息编码节点特征？你接触过哪些时空 GNN 模型？
4）LoRA微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？
5）RAG的完整流程，在时空出行数据场景里，构建向量检索库时如何处理时间衰减对召回的影响？
6）强化学习在 Agent 优化中的应用，结合出行推荐 Agent，你会如何设计 Reward 函数？

3. 项目
1）微调时的训练数据是怎么构建的？如何保证样本多样性和质量？
2）在 RAG+时空知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？
3）在大规模轨迹数据下是怎么做负采样（Negative Sampling）的？
4）训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？
5）在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？

4. 开放题
1）大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？
2）如果你要在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？