邮储软开面了十分钟

1.开场自我介绍＋过实习／论文。2.了解哪些大模型， Qwen 和 DeepSeek 各自的特点？3.MoE 跟 Dense 比，收益主要体现在哪？代价又是什么?4.有没有做过全参微调？没有的话你怎么判断它和值不值得做？5.如果你要把 LoRA 和全参做对比，你会怎么设计实验、控制变量、看哪些指标？6.RLHF 解决什么，在对齐里起什么作用？ RLHF 这一块会继续深挖：7.你知道哪些主流的对齐／强化学习做法？8.代码题：括号生成＋手写多头自注意力📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

说实话，这道题放在以前，我的反应都是：不就是向量数据库加个大模型吗？但我也清楚，如果真这么答，基本等于告诉我只会调API。真正的生产级RAG是一套精密的工程系统。今天把它拆成四个模块，帮你建立一套完整的面试作答框架。模块一：数据清洗与离线索引垃圾进，垃圾出。原始数据里混着乱码和格式错乱的PDF，模型不可能检索得准。语义分块是第一个优化点。过去按固定字符数切分（比如500字一段），经常把一句话拦腰截断，语义全丢。现在要根据标题、段落结构甚至用模型来判断断点，保证每个分块语义完整。进阶策略是父子块检索：把文档切成小碎块用于检索（精度高），但喂给模型时把它所在的父块一并带上（上下文全）。小块检索准，...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.设计一个电商导购 RAG 系统，要求给出完整链路和瓶颈点。2.召回层你会放几路？每路的职责怎么分？3.query 改写怎么做，怎么避免语义漂移？4.重排模型如何离线训练与线上蒸馏？5."命中检索但生成幻觉"你会如何分层定位？6.线上P95突然上升30%，你如何10分钟止血？7.如果要在一周内恢复体验，你排优先级的原则是什么？8.Continuous Batching 在你场景里是否值得上？9.KV Cache 占用如何估算？你们做过哪些降占用策略？10.如果预算砍半，你保留哪些模块，砍掉哪些模块？11.618大促场景下，准确率和延迟冲突时你怎么取舍？12.你如何向产品解释"离线分高但线上没提升"?

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.说说你的大模型实习：做了什么、遇到什么问题、怎么评估效果3.YaRN 你怎么理解？跟其他长文本/外推方案相比差异在哪4.RoPE 怎么跟 MLA 放一起讲；只在短文本训过的模型，长文本外推你会怎么做5.flash-attn / Megatron-LM：你了解哪些点6.词你了解哪些；像 DeepSeek 这类的分词思路跟 BPE 有什么不同6.字符串解码这类题一般怎么考，你会怎么处理边界7.手写 FFN：结构怎么写，维度怎么对