拼多多AI Infra面经

a了2道，第四题96%不知道哪里不对，时间不够做第三道直接发呆

1. 因果推断在多模态训练里能解决什么问题，为什么不是普通相关性学习就够了多模态场景里最容易出的问题就是模型学到“看起来相关”的捷径，而不是任务真正依赖的稳定因素。比如图像里某类背景、拍摄角度、文本描述习惯，可能和标签高度共现，但它们并不是真正决定结论的原因。因果推断的价值在于尽量把这些混杂因素拆出来，让模型更关注跨环境都稳定成立的信号。如果只靠相关性学习，训练集上可能效果很好，但一换数据源、设备、标注风格，性能就会掉得很厉害。因果思路不一定意味着一定要上完整的因果图模型，也可以体现在样本构造、环境分组训练、反事实增强和不变风险约束上。它本质上是在问：模型到底学到了可迁移规律，还是只记住了数据...

岗位：大模型算法四道编程  做了三道  第四道两眼一黑第一题：有一辆货车，途径N个站点，车上初始货物量为initiaWeight，最大限额是maxWeight，每个站点要么装货（整数），如果装货之后大于最大限额就是危险了，比如说你现在车上6个，这一站要装4个，最大是9,6+4>9就不行，但是等于9是可以的，要么卸货（负数），如果目前装在的货物小于卸货要求，直接全部卸下，就是比如说你现在车上3个货物，这一站要写下来4个（-4），3-4=-1嘛不是，但是不可能没有硬卸，变为0就行，问你在安全装载状态下最长能连续经过几个站点非常简单的题，一遍96%，就没看了，直接下一道了第二道：有n门课，每门课有一个先修课，比如说2的先修课是1，那修完1才能修2，给你n门课的先修课序列，问你修完n门课要几学期，举个栗子：5门课  -1 1 2 1 -1（-1表示没有先修课）下标： A B C D E （为了不弄混，我先用字母表示）这个就是需要三个学期，第一学期:A和E，第二学期：B和D，第三学期：C这道题，怎么说呢，看到先修课我以为是输出拓扑排序，昨天才笔了一样的，结果写到一半发现不对，然后又重新写，然后这个序列是从1开始的，这个又浪费我好几轮，然后还有一开始理解错了，我以为序列是先修课有几个，比如说这个2，我本来以为是C的先修课有两个，我心想，那不就是3吗？选最大的+1得了呗，过了80%，我都傻了，后来发现我写的逻辑完全不是人家说的，最后是用了一个数组，先初始化为0 ，然后遍历，比如说A不需要先修课，那就是0，然后B要先修A，就是0（A的先修）+1，C要先修B，那就是1（B的先修）+1，这样然后遍历数组找到麻小，输出max+1应该是很简单的题，我先入为主浪费好多时间，最后是100%第三题有N个奖品，价值为vi，有俩包，一个物品只能放进一个包里，然后一个包里的奖品就，任意两个之间的价值差不能超过T，问你最多俩包能装多少奖品我用的最笨的方法——暴力  但是可能我的逻辑写的不对，只有15%然后换了一种N=6  T=3vi: 5 4 2 1 8 10先sort排序——1 2 4 5 8 10算从1开始，一个包能装多少，那就是 1 2 4，下标就是0 1 2，用了一个end数组，end[0]=2——记录从下表为0的奖品开始，能装的最后一个奖品的下标end[0]=2 —— 一个包能装3个  包1end[1]=3 —— 一个包能装3个  包2end[2]=3 —— 2个  包3end[3]=4 —— 2个  包4end[4]=5 —— 2个   包5end[5]=5 —— 1个  包6如果我选了包1，那么保证一个奖品不能出现在同一个包里，包2和3就不能选，然后选剩下包里最多的，这就是从奖品0开始装，最多能装多少，然后取最大有点饶了，我比较菜，正能想到这个方法了，只有60%第四题一笔画，且点不重复的情况下，在一幅图里最多从起到回到起点，最多一笔画能包含几个点手画个图，凑活看吧题目是说要city walk，实线是主干道，虚线是小路（P1），然后让你规划路线，答案是P2

刷到这个话题，发现很多同学对AI时代的岗位认知，还停留在“AI能写代码=程序员要失业”的表层焦虑里。作为在AI行业摸爬滚打了一年的开发，结合行业现状和招聘市场的真实需求，今天给大家做一份完整的「AI时代岗位活路全景图」，分6大类讲清楚：哪些岗位不仅不会被AI替代，还会在AI浪潮里迎来长期红利，核心壁垒是什么，入行需要什么能力，全是干货，没有一句废话。先给一个最核心的底层逻辑：AI能替代的，是标准化、重复性、低决策成本的执行类工作；永远替代不了的，是需要非标准化、深度思考、复杂决策、业务理解、人性洞察的工作。判断一个岗位有没有活路，就看它的核心价值，是执行，还是思考与决策。一、AI原生核心赛道：...