用AI来评测AI

1-将下面的字典创建为DataFrame import pandas as pd data = { "name": ["Tom", "Jack", "Lily"], "salary": [12000, 15000, 18000], "education": ["本科", "硕士", "博士"] } df = pd.DataFrame(data) 2-提取含有字符串“Python”的行 df[df["cont...

还是要再接再厉啊！！面了差不多四十分钟左右1. 项目问题2. 内存布局（栈/堆/静态区）、new vs malloc、深/浅拷贝3. 智能指针（unique_ptr/shared_ptr/weak_ptr）、虚函数与抽象基类4. 内存对齐规则与结构体大小计算5. 右值引用与移动语义6. SIMT架构（thread→block→grid）、寄存器分配（局部变量）7. 优化手段：shared memory复用、warp shuffle、向量化加载（float4）8. bank conflict成因与padding规避9. 缓存原理（局部性+LRU替换策略）10. 编程题：Top-K高频元素（哈希表 + 最小堆）

一、大语言模型基础1. 目前主流的开源模型体系有哪些？主流开源模型体系包括：LLaMA 系、Qwen 系、GLM/ChatGLM 系、Mistral/Mixtral 系、Baichuan 系、DeepSeek 系、InternLM、Yi 等。面试里建议从以下维度比较：参数规模（7B/13B/70B…）上下文长度（8K/32K/128K…）多语言能力工具调用能力（function calling / agent）推理成本与部署难度开源协议（是否可商用）2. Prefix LM 和 Causal LM 区别是什么？Causal LM：严格自回归，token 只能看左侧历史（下三角 mask）。Pr...

给我面没招了....攒人品中1.如果线上只有弱标签甚至没有人工标注，Reranker 如何进行微调或持续优化？2.Reranker 和 Cross-Encoder / Bi-Encoder 的关系是什么？各自的取舍点在哪里？3.为什么要做 Query 改写？它在召回和排序阶段分别能带来什么收益？4.常见的 Query 改写方式有哪些？规则、模型、生成式方法各自优缺点？5.在你的项目中，Query 改写的核心做法是什么？6.有没有读过或参考过 Query 改写 / Query Expansion 相关论文？印象最深的是哪一篇？7.GRPO 损失函数是什么？公式中每一部分分别起什么作用？8.GRPO 相比传统 RL 或 SFT 的优势在哪里？为什么要这样设计？9.在大模型训练过程中，Transformer 通常会更新哪些参数？哪些可能被冻结？10.从工程角度看，你是如何优化大模型训练和推理效率的？11.项目中使用的 Embedding 模型结构是什么？是 Encoder 还是双塔？12.输出向量的维度是多少？维度大小如何影响检索效果和性能？13.Embedding 向量在实际使用中是如何做归一化、存储和索引的？14.手撕算法：合并两个数组并去重，如何保证时间复杂度？15.手撕算法：求前 K 个最小值，使用最小堆实现。16.手撕算法：子集型回溯问题。如果输入列表中可能包含重复元素，如何避免重复解？