算法offer帮选

1.单核情况下，一个低等级的fifo任务再跑，高优先级的rt任务能抢占吗，以及tasklet访问临界区要用什么锁2. 分配8mb物理内存可以用什么分配，cma是什么，cma的内存从哪里来的3. trace和KProbe原理，trustzone tee os和atf什么关系4.fork的流程5.fork后进行的虚拟时间是怎么样的，cfs调度下，任务换核后虚拟时间怎么变

地平线 模型部署 n*15 +股票哈啰 L4感知 n+5 *15文远 L4感知 还未开如何选择

1.请详细描述你在简历中提到的AI相关项目中，负责的主要模块和核心技术贡献。2.在设计一个高吞吐、低延迟的模型推理服务时，你会重点考虑哪些架构层面和工程层面的问题?3.请解释C++程序内存中栈(stack)、堆(heap)和静态/全局存储区的特点与主要区别。4.在C++中，new/delete`与'malloc/free`的主要区别是什么?为什么在C++中通常推荐使用前者?5.请解释深拷贝和浅拷贝的概念，并说明在什么情况下必须使用深拷贝。6.请阐述C++中'std:unique_ptr、'std..shared_ptr和'std:weak_ptr的设计意图、使用场景及相互区别。7.虚函数表(vtable)是如何实现运行时多态的?虚函数与纯虚函数(抽象类)在语义和用法上有何不同?8.什么是内存对齐?编译器对结构体进行内存对齐的主要规则是什么?请计算一个给定结构体(包含不同类型成员)在特定平台下的sizeof大小。9.请解释C++11中右值引用(&&)和移动语义(move semantics)的概念，并说明它们如何用于实现高效的数据转移(如std.:.vector的push_back)。110.简述CUDA的SlIMT(单指令多线程)编程模型，描述thread、block、grid的层次关系。11.在CUDA内核中，一个线程的局部变量通常存储在何处?这与寄存器的分配有何关系?12.在CUDA优化中，如何使用共享内存(Shared Memory)来减少对全局内存的重复访问?请举一个简单的例子(如矩阵乘法中的分块)。13.什么是warp shuffle指令?它在warp内部的数据交换和规约操作中有什么优势?14.解释在CUDA中使用float4或int4等向量化加载/存储指令进行合并访存的原理和性能收益。15.什么是共享内存的bankconflict?它是如何产生的?请举例说明。16.如何通过数据填充(padding)或其他内存布局调整技术来避免或减轻共享内存访问中的bankconflict?17.解释CPU缓存的工作原理，包括时间局部性、空间局部性的概念，以及常见的缓存替换策略18.编程题:实现一个算法，在一个包含大量整数的数据流中，实时找出出现频率最高的前K个元素。请描述你的思路(哈希表+最小堆)并分析时间复杂度。

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1)火山引擎在客服Agent介绍中强调智能客服是"工作台+lIM Bot/语音Bot+工单+质检+策略"的端到端系统，而不是单一智能体。如果让你负责从0到1规划一套"对话机器人+人工协同+工单闭环+质检"的最小可行系统，你会怎么拆模块、定边界与优先级?2)抖音开放平台提供多种客服能力，并支持在会话中透传商品/订单等上下文信息。假设你要在抖音小程序/电商场景落地AI客服，你如何设计入口、路由与会话态，确保"转化率/解决率/体验"同时可控?3)Coze覆盖Bot创建、插件开发、工作流编排、知识库管理与多端部署等能力。如果要求你用这些能力在2-3周内验证一个客服Agent MVP(能处理高频问题+能触发业务动作)，你会如何定义MVP范围、验收口径与Go/No-Go门槛?4)豆包大模型强调在多业务场景的规模化实践。假设你要在客服场景落地(高并发、低延迟、强约束)，你如何做模型选型(大/小模型、是否多模态、是否需要精调)并同时把成本、延迟、效果三者拉齐?5)火山方舟提供训练、推理、评测、精调等能力。如果你要建立一套"上线前评测+上线后回归"的客服对话评测体系，如何设计数据集、指标、红队与回归机制，确保每次迭代不倒退?6)客服体系里存在服务工单处理机制，强调时效与逾期影响。如果让AI从对话中自动生成工单(包含分类、优先级、关键信息抽取、建议处理方案)，你如何设计字段标准、触发条件与审核机制，避免"自动化制造噪音"?7)客服Agent方案往往要求"效果可度量、可持续优化"。如果你要定义这类产品的指标体系(体验+效率+风险+成本)，你会怎么搭北极星与分层指标，避免被单一"机器人解决率"误导?8)Coze支持知识库管理、工作流编排等能力。假设你接手一个已上线的AI客服，命中率上不去、幻觉偶发、且业务规则经常变。你如何设计"数据闭环":采集标注/纠错知识库更新策略/提示词/工作流迭代回归验证?9)在客服系统里，转人工不是简单兜底，而是体验与效率的关键策略。你会如何设计"转人工策略+坐席辅助+事后学习"，让整体解决率提升而不是堆人?10)书机器人支持消息推送、简单交互，并可用于系统集成。如果你要把客服Agent能力做成"企业内协作"的形态(如工单协同、质检抽检、升级审批都在书里跑)，你如何设计权限、审计、消息风暴控制与协作流转?11)面向对话式AI的音视频互动方案强调低延迟与"可打断"的实时通话体验，并整合ASR/TTS/LLM/知识库/工具调用等能力。如果要把客服从文本升级到语音(甚至带图/视频举证)，你会如何重构交互、指标与风险控制?12)市面上也存在"客服大模型机器人/智能体平台"类解决方案。如果让你做一份"客服Agent赛道对标"，你会如何选对标对象、拆维度(能力/交付/成本/生态/合规/运维)并产出"能指导路线图"的结论?