字节跳动-业务中台—一面凉经

感觉面完人都通透了，还是太菜了，下去沉淀一下1、xgboost用在了哪个环节，特征是实时更新的吗?2、介绍qwen的视觉编码器(siglip)，siglip相较于clip的改进3、clip的架构，有没有试过裁剪视觉编码器做消融4、dpo、ppo、grpo的原理以及缺陷5、lightgbm和xgboost模型的原理手撕:单词拆分

1. 自我介绍2. 介绍一下你常用的 STL 容器答案：我常用的 STL 容器主要有 vector、list、deque、map、unordered_map、set、unordered_set、queue、stack 和 priority_queue。如果从使用频率看，vector 和 unordered_map 是最常用的。vector 适合连续存储、随机访问和频繁遍历；unordered_map 适合根据 key 做快速查找；map 适合需要有序遍历或者范围查询的场景。工程里我不会只看理论复杂度，还会看缓存局部性、扩容成本、迭代器失效、内存占用和数据规模。比如元素数量不大时，vector ...

一、项目与实习经历1.你先做个自我介绍。2.你能详细介绍一下你在字节跳动做的项目吗？二、AI Coding 题：配置驱动的 HTTP 路由转发题目：实现一个通过配置文件管理的HTTP接口路由转发功能，需满足：基础功能•支持 YAML/JSON 配置文件定义路由规则（路径、方法、目标服务）•实现 HTTP/HTTPS 请求转发•处理路径通配符（如 /api/*）进阶能力•配置热加载（修改文件不重启服务）•负载均衡（轮询/随机两种策略）•请求超时控制与重试机制生产级要求•大文件传输时内存占用 < 50MB（流式转发）•可读的错误码体系（如 404、502）•输出审计日志（路径、目标 IP、状态码、耗时）交付要求•可运行代码 + 配置示例•通过三个测试场景：热加载、重试、100MB 文件传输10.你先看一下这个题目，然后说一下你的理解，以及你打算怎么处理、整体思路是什么。11.你对这里“负载均衡”这一块是怎么理解的？12.热加载这个功能，你觉得一般应该怎么做？13.你刚才提到定时轮询配置，那这个轮询一般隔多久比较合适？14.你说到实习里也有类似的动态配置更新？对应的机制大概是什么？15.这个接口转发里，你理解的“目标服务”是什么？16.如果目标服务不只是 HTTP，也可能是 RPC，那你觉得这里还需要考虑什么？17.这个生成出来的代码里，配置和接口的匹配方式是什么？18.你希望这个配置文件的更新机制是什么样的？19.如果手动修改配置文件出了问题，比如 JSON 不合法，你觉得系统应该怎么处理？________________________________________三、设备特征缓存优化 / 特征 SQL 优化20.你刚才提到设备特征缓存优化，在你优化之前，这块有缓存机制吗？21.你刚才说每次要调适配器，这里调用适配器主要是为了获取什么？22.是因为这个接口耗时比较长，所以你们才考虑加缓存，是吗？23.如果设备特征对准确性要求不是特别高，那为什么适合做缓存？24.这块缓存机制上线之后，大概优化了多少？25.你刚才提到用了并发相关的开发，比如 concurrent hash map 这些，这块你了解多少？26.如果涉及多线程开发，你大概了解哪些线程相关的工具？________________________________________四、线程 / 系统能力 / 开放题27.如果一台 8G 内存的机器，你觉得大概能创建多少个线程？28.如果不要求你给具体数字，那你觉得估算“最多能创建多少线程”时，需要考虑哪些因素？________________________________________五、SQL 复用优化29.你第二点提到 SQL 复用优化，这一块能简单介绍一下你做的工作吗？30.你这里提到“将时间窗口不同的查询归定为同类请求”，这个怎么理解？31.你们是不是把某个时间范围内的 SQL 放在一起统一去请求？________________________________________六、滑动窗口消息去重（开放题）32.如果你的系统接收外部消息，并且希望在一个滑动时间窗口内对消息做去重，这个功能如果交给你，你会怎么做？33.假设你的服务有多台机器共同消费同一个上游消息源，在这种分布式场景下，滑动窗口内的消息去重你会怎么设计？34.如果你想到加一个共享中间件，那这个共享中间件应该怎么设计？35.这个去重逻辑你具体会怎么实现？

面试官人超好，最后主动给我讲了面试反馈建议，全程没有问八股，都是问的技术选型/ai发展等等，收获巨大，早点上次的阿里国际也去面面了（被我睡过头鸽掉了）秋招一定再冲一下阿里简单做一下自我介绍。为什么要做 RAG 知识库这个项目？项目技术选型为什么选用 MySQL、Redis、Kafka 这些组件？除了 ES 做向量检索，还了解其他实现方案吗？做 RAG 链路，社区有没有其他现成 / 流行的方案，有没有做过调研？项目中比较有挑战的地方是什么？数据清洗、日期提取这个问题是怎么发现的？为什么不自己部署一个模型，而是用 DeepSeek API？会结合实时检索内容发给大模型吗？是模型自身检索还是 age...