27美团暑期实习一面面经

主要问了问两段实习做了什么，拓展了一些八股比如：虚拟线程、分库分表、redis、消息队列等等  不是很多问的算法：最接近的三叔之和最后还问了问我的大论文是什么，让我介绍介绍ps：面试官小姐姐很有引导，我写算法的时候给我说了一些提示（是否可以使用二分等提示），全程体验很好

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

部门 业务研发平台时间 3.31 19点70分钟前面40分钟讲实习，深挖，问设计能不能优化。八股：hashmap线程安全吗？concurrenthashmap1.7和1.8区别？手撕：k个一组反转链表ai coding （我最擅长的了）

1、自我介绍2、项目拷打3、介绍 DeepSeek 与 Manus，以及他们之间区别4、介绍 LLM Decoder-Only 架构Decoder-Only 架构本质上就是只使用 Transformer 里的 Decoder 结构，通过自回归的方式一个 token 一个 token 地往后生成内容。它的训练目标通常是 next token prediction，也就是根据前面的上下文预测下一个 token。它的关键点在于 Masked Self-Attention。所谓 masked，就是当前位置只能看到前面的 token，看不到后面的 token，这样模型才能按从左到右的方式学习生成。整体结...