大模型秋招

一面 1.几乎全问的简历项目，穿插简历中提到的八股2.简历上包括一个涉及LORA、RAG、单Agent开发的实验室3.横向项目，和之前一段实习做的DPO4.问第一个项目背景5.为什么用LORA以及LORA原理优缺点6.RAG是怎么做的，向量库怎么构建的7.为什么项目流程这么设计，出于什么考虑8.Agent用什么框架搭建的9.问第二个项目背景为什么这么设计10.问数据形式是什么样的问数据合成方法11.几个强化学习的概念12.DPO的好处13.手撕-一道很简单的链表题

京东面经（总共30分钟，项目15分钟，八股15分钟）1.1-2分钟自我介绍项目一(rag)1）请你讲一下文档解析与向量检索的部分2）文档解析这一块，不能解析扫描件的pdf文档类型，你后续有什么方法去解决吗（我答的利用MCP去调用WPS的文档解析服务，面试官补充说可以利用OCR工具去实现3）ES向量检索召回率很低怎么办，（答了利用faiss去优化向量检索4）用的什么向量模型，维度是多少，有去横向对比过吗5）用到了什么大模型，这个大模型的优缺点是什么，横向对比过吗6）平时会去用ai辅助编程吗7）redis在项目中主要的用途有哪些8）在利用security+jwt这样的鉴权方法，有什么更好的方法去优化吗（面试官补充了SSO，OAuth，可以实现第三方登录，单点登录）9）讲一下你实现的security+jwt这样的过滤器流程，怎么进行权限控制的10）为什么要用websocket去进行交互，优缺点在哪，相比于http的区别11）谈一下你对ai的看法，了解哪些ai的技术栈，框架，未来的发展方向有想法吗12）有什么想特别学习的技术吗项目二1）讲一下利用Redis缓存+定时异步将热点数据的并发点赞、评论、和收藏回写到数据库2）你刚刚说定时用到了@schedule注解，那如果是6台服务器去回写，怎么保证一致性，你会怎么做3）雪花算法的核心概念讲一下，它的缺点在哪，它在部分场景下会失效，有什么更好的ID生成方法吗4）两个项目的消息队列用的是什么，为什么要用rabbitMQ和Kafka4.八股1）反射的缺点是什么2）注解的底层原理是什么3）讲一下JVM的运行时内存区域，各自的作用是什么，static修饰的成员变量放在哪4）讲一下类加载机制5）项目中有用到并发编程的地方吗6）讲一下线程安全类，说一两个，他们在项目中的使用场景7）concurrHashmap和hashmap的区别，在项目中有用到吗8）semaphore，countdownlatch，cyclicBarrier了解吗9）MySQL的锁机制，索引类型，为什么要用B+树10）redis的持久化过程11）怎么自定义Starter的，详细过程讲一下12）有读过框架的底层代码吗，mybatis，问了xml配置文件中，从前端到dao层的流程，xml配置文件中的sql语句是如何运行的13）项目管理除了maven，还有用到其它的吗

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？

扣子方向，无八股Q：做这个项目的初衷是什么？在过程中遇到的问题怎么解决的Q：项目中遇到的难点Q：做完平台后你要对它进行自测会从哪些维度来去测试Q：在线上大促的时候遇到了性能问题怎么解决Q：什么情况下是正常挤压？什么样的情况是不正常积压？Q：你觉得项目哪一部分还可以继续优化Q：现在借助AI能力能帮你解决什么样的问题Q：具体讲一个你在研究生阶段通过大模型做的项目Q：在研究生阶段有没有学习AI或者说智能化测试相关的知识或者技术Q：在扣子平台搭建很多个agent，你会去怎样测试agentQ：在准备面试的过程中是否有学习AI或者智能体相关的一些技术A： ragQ：rag的增强的具体步骤Q：如何评估一个rag系统的效果Q：除了人工打分还能使用哪些自动化或者是类似工具评估准确性Q：如何评估淘宝的人工智能客服可以正常上线使用，且召回效果是比较好的Q：一个真实的智能体上线需要有大量的数据集去测试准确性才会上线。怎样去构造数据集Q：是否了解自动化测试相关内容Q：自动化测试和手工测试的区别，分别的适用场景是什么Q：UI自动化的两个框架以及后端自动化框架手撕：去除数组重复元素