腾讯云智社招内推

有面试过同岗的朋友欢迎评论区交流1.GRPO 和 PPO 在 RLHF 中的核心区别是什么？2.KL 散度在 RLHF 中的作用是什么？它的公式如何直观理解？3.vLLM 的核心优势是什么？它是如何通过 PagedAttention 提升显存利用率的？4.Qwen3 和DeepSeek-R1 在架构上有哪些关键差异？5.微调数据集的结构是怎样的？有多少条？数据清洗和有效性验证是怎么做的？6.奖励函数是如何设计的？7.怎么避免模型靠堆字数刷奖励？8. KV Cache 在长上下文推理中可能被污染，你们有做缓存隔离或清理机制吗？9.本地部署时，如何平衡vLLM 的上下文长度和显存占用？是否做过量化或动态批处理？10.手撕：乘积最大子数组（LeetCode 152）

进程内存飙升时你会用什么命令排查？先找高内存进程，再看内存构成，最后判断是否泄漏或缓存失控。常用命令：ps aux --sort=-%mem | headtop -p <pid> / htoppmap -x <pid>cat /proc/<pid>/status（看 VmRSS、VmSize）测试环境可用：valgrind --leak-check=full ./app你怎么查看 CPU 状态？从系统、核、进程三层判断是否 CPU 瓶颈或 IO wait 偏高。常用命令：uptime / topmpstat -P ALL 1pidstat -u 1vmsta...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 搜索场景下，大模型会给用户体验带来什么颠覆性变化？2. 百度的文心一言和ChatGPT相比，产品层面的核心差距是什么？怎么追？3. 请设计一个“搜索+生成式AI”结合的新功能，并画出简单的原型图。4. 如果搜索结果的AI摘要出现了事实性错误，这是技术问题还是产品问题？怎么解决？5. 你如何看待多模态搜索？用户会在什么场景下需要“拍张照片搜声音”？6. 百度地图接入文心一言，你觉得最值得做的三个场景是什么？7. 知识类内容（如百科）在AIGC时代会被颠覆吗？百度知道、百科该怎么转型？8. 请评估一下：用大模型替代部分人工审核团队，ROI怎么算？

1. 自我介绍如果不会, 可以看看我这篇文章 : 记住这几个回答，起码面试不减分2. 针对之前的实习进行提问3. vector 的 push_back 和 emplace_back 有什么区别push_back：先创建临时对象，再拷贝/移动到容器，存在额外开销；emplace_back：直接在容器内存原地构造，无临时对象，效率更高；C++11 后优先使用 emplace_back。代码示例 #include <vector> #include <string> using namespace std; int main() { vector<string> ...