商飞-线下一面

成都中国电信人工智能强度怎么样？有大佬了解吗？面了大数据部门的软件测试岗，有人说平时不加班，有人说平时10点11点下班，真实强度怎么样啊，各种地方说的差距好大

👋个人背景：河南人211硕👏offer1：上海商飞，总包22-24，工作轻松 双休，平台大，发展前景好，但是上海生活成本高，生存压力大💯offer2：洛阳158厂 总包20 工作压力大，网传加班很严重，离职率较高，但是离家近，生活成本低

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2生成式推荐本质上是在做隐空间到离散iD的映射，你如何证明你生成的 ID 序列保留了用户意图的最优压缩3.比如广告场景下不仅仅是预估 CTR。如果我们将生成式排序引入 GSP拍卖，大模型生成的候选列表概率分布，如何保证满足激励相容性4如果模型生成的排序导致广告主出现竞价上的博弈呢5.在H100集群上跑生成式重排，现在的瓶颈不在计算而在存储带宽。如果分阶段推理，我在Prefill阶段采用了FlashAttention-3，但在 Decoding 阶段因为 KV Cache 导致的Fragmented Memory太严重，怎么办6.推荐系统要求毫秒级响应对于1B规模的排序模型，如果我要做Speculative Decoding，你如何设计那个Draft Model？这个小模型是该学大模型的 Logits 分布，还是该学用户的Embedding聚类7.假设构建一个端到端生成式广告系统。现在面临一个场景：某个新入驻的土豪广告主投放了一批高质量视频，但由于模型对新 ID 的 Semantic Indexing 尚未完全对齐，导致第一波推荐给了错误的人群，产生了极高的 Negative Feedback，生成式模型的自回归特性会不断放大这种“第一印象”，导致该广告主瞬间被屏蔽你如何设计一套Online Counterfactual Correction这种，在不重新训练模型的前提下，通过修改 KV Cache里的隐藏状态来强行挽回这批广告的生命周期9.在短视频重排阶段使用了一个 10B 的生成式模型但是业务反馈说模型在学会了今天最火的某个梗以后，竟然忘记了如何处理用户对“长尾科普视频”的旧兴趣，发生了明显的 Catastrophic Forgetting，设计一种基于 Gradient Orthogonal Projection的优化器，确保模型在更新实时热点知识时，参数更新量在旧知识的Null Space内。10.都知道生成式模型有位置偏差从 Attention Entropy 的角度来看，为什么 $N$ 个候选 Item 在序列中的排列顺序会直接导致 Logits 的非线性漂移

主播bg 2本9硕，成都人，现在有两个offer比较纠结：1️⃣滴滴-网约车ut：base北京，n*15（sp），后端开发，作息10-10-5，业务相对核心但是感觉应该很累，远离家乡，不稳定2️⃣商飞上飞院（成都）：base成都，机械电子，总包大概为第一个的总包一半左右，朝九晚五，离家近，但是钱到手每个月应该没有一万