分享一下暑期遇到的手撕

1.如果训练出来的模型在某一类任务上表现比较差，如何解决这个问题？2.如果DPO训练的过程中发现loss不降，如何定位原因？从数据构造和训练参数两个角度分析。3.有没有尝试过动态prompt，训练数据如何构造，如何保证policy正确？4.如果想把判别式任务转化成生成式任务，学术界有哪些常用方法，哪一种效果比较好有对比过吗？5.数据的难度分层是如何做的，为什么没使用困惑度？6.如何确保分层的准确性，用大模型进行分层为什么没有尝试更大的模型？7.做CPT时的数据量级，数据处理的pipeline？8.CPT的数据配比是什么样的，有没有考虑CPT后通用能力的退化问题？如何检验CPT后模型的通用能力？手撕：1、寻找重复数（转化成环形链表找入口来求解）2、手撕对比学习的loss计算3、手撕多头注意力

1.内核态和用户态区别2.用户态怎么进入内核态3.常见系统调用4.系统调用和中断什么区别5.进程和线程区别6.进程有哪几种状态7.大概什么流程？8.git常用指令7.分支模型是怎么样的？8.gitflow了解吗9.输入url经历到返回哪些流程10.内网ip和外网ip怎么映射的11.ip和mac怎么映射的12.http各种方法13.get post区别14.http状态码15.http缓存了解吗16.cookie和session，哪个更持久？17.双亲委派，怎么破坏？18.线程池参数，工作原理19.设计模式 单例几种写法？20.静态代理和动态代理什么区别21.5L水杯和3L水杯盛出来4L22.一瓶真毒药三瓶假 一只老鼠 毒药10h发作 24h内试出哪瓶真毒药23.一个灯三个开关。只能进屋子里看一次，怎么判断哪个开关控制24.手撕删除倒数第N个节点链表

实习内容 1. 你在美团这段经历主要做的是什么？2. 你在简历里写了一个优化慢查询（SQL）对吧？3. 你是怎么发现这个慢查询的？3. 具体是怎么分析出没有走索引的？4. 你是怎么优化这个 SQL 的？5. 你优化之后如何保证结果的一致性？6. 你提到经历了大促（双十一、春节等）高并发场景，那么你们的黑白名单系统在高并发下遇到了什么问题及解决方案？7. 为什么既有 SDK 又有 RPC，不只提供一种？8. 你们怎么处理 SDK 版本升级和兼容问题？9. 最终 SDK 提供什么样的功能，RPC 提供什么样的功能？10. SDK / RPC 方式下分别是怎么使用缓存的？11. 为什么要用 Kconf 作为本地缓存？本地缓存的过期策略是怎样的？12. 为什么 Redis 不命中时不去查 DB？13. Redis 和 DB 的一致性你们是怎么保证的？（MQ + 对账）14. 数据变更是否频繁？你们是如何处理审批和使用之间的延时问题？15. 你们有没有考虑缓存穿透问题？是怎么避免的？16. 如果出现缓存雪崩，大量数据同时过期怎么办？你们是怎么处理的？17. 你自己平时用什么语言写代码？Go 还是 Java？手撕算法算法：三数之和

1. 手撕 合并区间2. 八股1）请介绍 Transformer 的结构组成及各部分作用，在长序列时空数据中，2）如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3）GNN的消息传递机制是怎样的？在时空图中，如何结合时间信息编码节点特征？你接触过哪些时空 GNN 模型？4）LoRA微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？5）RAG的完整流程，在时空出行数据场景里，构建向量检索库时如何处理时间衰减对召回的影响？6）强化学习在 Agent 优化中的应用，结合出行推荐 Agent，你会如何设计 Reward 函数？3. 项目1）微调时的训练数据是怎么构建的？如何保证样本多样性和质量？2）在 RAG+时空知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？3）在大规模轨迹数据下是怎么做负采样（Negative Sampling）的？4）训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？5）在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？4. 开放题1）大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？2）如果你要在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？