字节大模型算法一面（好难

攒攒人品！有面试过同岗的朋友欢迎评论区交流
1. 在单次 Prompt 中产出 52 个标签，如何从信息论角度评估 Output Logits 的熵增问题？你是如何规避标签之间由于自回归生成顺序导致的潜在因果偏置的？
2. DeepSeek R1 的思维链极长，但在地图离线生产中，长 Token 意味着巨大的显存驻留。你如何设计一套 KV-Cache 压缩或分段预处理方案，确保推理吞吐量不随思维链增长而线性坍塌？
3. 针对价格敏感度这类缺乏强真值的标签，你构建的 Teacher-Student 蒸馏体系中，如何量化教师模型的知识毒素对小模型产生的负面增量？
4. 在 SFT 阶段，如果 52 个标签的分布极度不均，你如何在 Loss Function 中设计动态权重，防止模型退化为只预测高频标签的大样本分类器？
5. 你是如何实现硬逻辑约束，而非仅仅依靠提示词里的负向指令？如何证明这种干预不会破坏 LLM 的预训练分布？
6. 对于 4B 规模的轻量化模型，其语义对齐空间有限。当 52 个标签存在跨域干扰时，你是否尝试过 什么思路进行指令微调？
7. 如何处理 LLM 在推理长行为序列时的注意力稀疏问题？对于超过 32k 长度的原始轨迹描述，你如何保证模型对序列中部的关键到访点依然保持高召回？
8. 在数据飞轮闭环中，若利用 R1 生成的银标进行迭代，如何防止模型产生自我崩溃
9. 日均 100 亿条定位数据，DBSCAN 的空间索引在处理高密度热点区域时会产生明显的计算热点，怎么解决这种热点问题
10. 室内定位的 WIFI 指纹具有极强的时间非平稳性，你解决商场内路由器变更导致的特征分布偏移？