快手后端-Java开发二面面经

给我面没招了，发点面经攒攒人品～1.实习拷打2.相关报警的知识库的处理sop是怎样维护的3.检索的时候会不会出现不是想要的或者检索不出来的4.如果遇到查不到的情况，如何去优化使能检索出想要的东西5.新增的时候如何处理幂等的问题6.两个订单号是同一个相似的订单内容，即重复提交了相同的订单，如何做7.查询方面如果接口查询比较差，如何去优化8.分布式事务讲一下9.算法：在 D 天内送达包裹的能力

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

大模型正在重塑一切，但AI真正的普及，注定发生在“端侧”。当动辄百亿参数的模型巨兽，遇到功耗、内存与算力严格受限的终端设备，我们该如何破局？5月15日（周五）19:00，从工业界最前沿的实战视角出发，一起拆解大模型从算法结构到硅片指令的完整映射链条，深度探讨端侧大模型推理的痛点与解法 !💡 你将了解到：- 云端 vs 端侧：推理场景的范式转移- 跨越功耗与内存之墙： 端侧推理的真实挑战- 核心破局点：端侧优化的“核武器”- 未来图景：端侧大模型推理的演进脉络🔥 邀请这样的“你”来参加- 痴迷体系结构设计，渴望深挖芯片底层架构奥秘；- 深耕 AI 编译器研发，想要洞悉算子调度与指令生成的核心逻辑；- 热衷软硬件协同设计，向往打通算法与硅片的双向适配；- 专注深度学习底层优化，立志突破大模型推理的性能桎梏；- 希望跳出课堂理论、接轨工业界前沿技术风向；这里将为你献上最硬核的技术拆解、最前沿的行业洞察与最具价值的科研启发!🎤 大咖介绍建军: 地平线研发总监。中国科学院计算所博士，曾任中科院计算所副研究员。2016年加入地平线，主要负责智能驾驶芯片的软硬件协同设计开发相关工作。在CGO, ICSE, ASE, TACO, TPDS等国际会议和期刊上多次发表论文，智能驾驶芯片/编译器相关授权专利30余项。曾获北京市科学技术奖二等奖，“第十届吴文俊人工智能专项奖”芯片项目一等奖。活动详情⏰ 时间：5月15日 （周五）19:00-20:30📍 地点：中国科学院大学中关村教学楼N110🎁 彩蛋 :  限量定制伴手礼先到先得，积极互动还有叠加礼品报名方式见下方图片👇

传统岗位转AI工程岗最怕的是掉进“补基础”的无底洞：先学C语言、再学操作系统、再学计算机网络，学完一年后发现自己一行AI代码仍不会写。我的策略是——以终为始，让AI做我的带教老师。最开始两个星期，我只干了一件事儿：把Cursor装好，找一个能跑通的LangChain Demo项目，一行一行让AI给我解释。注意，不是自己去啃Python教程，而是打开一个真实的RAG聊天应用代码，选中一段，按 Command+K，输入：“用通俗的语言给产品经理解释这段代码在干什么”。听不懂的地方继续追问，直到能看图说话一样地把整个链路画出来：用户问了什么→怎么把文字变向量→怎么去向量库检索→怎么拼成Prompt→...