美团暑期实习体验

给我面没招了，发一下问题给大家参考，攒攒人品！1.用户从浏览器输入URL到后端响应，中间经历了哪些具体阶段？（DNS、TCP、TLS等）2.TCP三次握手与四次挥手的具体状态流转是怎样的？3.TLS/SSL 握手过程是如何保证传输安全的？4. 请求链路：SpringBoot请求打进来后，是如何一步步到达Controller的？5. HandlerAdapter 在参数解析和返回值处理中起到了什么作用？6. 使用场景：除了基础缓存，Redis在分布式锁、排行榜、消息队列中有哪些具体落地用法？7.  Set 集合在什么情况下会从 IntSet 转换为 HashTable？ * ZSet（有序集合）的底层实现原理是什么8. Redis 为什么快？（IO多路复用、单线程模型、内存操作的具体优势）9. Redis 是如何删除过期 Key 的？（惰性删除 vs 定期删除的机制）10. 索引结构：B+ 树的底层组织形式是怎样的？11. 深度估算：在实际生产中，B+ 树通常有几层？如何根据数据量估算树高？12. 存储区别：聚簇索引与非聚簇索引在存储和查询（回表）上有什么本质区别？13. RAG 切分：在构建知识库时，Chunk（文本切分）有哪些常见的方案？（固定窗口、语义切分等）14.快排手撕

整体面试还是不错的，发下面经给大家参考～1.实习介绍2.在微调大模型时使用过哪些框架3.CLIP模型的zero-shot能力是如何实现的？4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对Transformer模型推理过程，会采用哪些优化手段8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景

发一下问题给大家参考，攒攒人品！1.你提到自己部署过Deepseek的模型，具体的部署脚本流程你了解吗，还是仅作为执行方?2.你们有自己的GPU吗?3.为什么要自己部署语言模型，API其实并不贵?4.模型参数量对语言模型有什么影响?5.若要使用大参数量模型，如何解决其自由发挥的问题?6.在提示词方面你熟悉吗?通用情况下，如何通过提示词获得更高质量的回答?7.我们岗位要做多样场景的AI工具机器人(如服务器运维巡检、网络巡检、市场分析等AI应用开发)，你是否能接受?8.你知道什么是向量数据库吗(结合AI+RAG场景)?9.为什么需要用向量数据库?它解决了传统大模型的什么问题?10.若要做企业知识问答机器人，利用企业内部的Word、PDF文档实现检索增强，你会如何完成这个需求?11.文档存入向量数据库的中间流程是什么?12.你提到的向量化是embedding吗?一般怎么做embedding，你有实践过吗?13.如何判断RAG的召回质量是否符合期望?若不满足，可调整什么参数优化?14.向量相似度度量有哪些计算公式(算法)余弦相似度15.你有没有做过AIAgent(如工具调用相关)，可以介绍一下吗16.做意图识别时，如何确保LLM能根据用户输入准确识别要调用的工具?写prompt17，若工具数量较多(如10-20个)，每个工具都写描述和示例会让prompt过长，有没有其他解决办法18.若20个工具可分为3-4类，如何设计两层工具调用提升意图识别准确率?

发一下问题给大家参考，攒攒人品！一、项目经验1. AI项目深挖2. 技术细节考察1- 解释大模型核心概念（如LLM原理、Diffusion模型、RAG技术）。2- 微调 vs. 提示词工程：如何选择？LoRA微调的优势是什么？。3- 如何处理大模型的“幻觉”问题？列举3种优化策略。二、AI产品思维1. 场景落地能力- 设计一款AI+场景的产品（如腾讯云智能社区），说明用户痛点、功能优先级及商业模式。- AIGC在金融/教育等垂直领域的应用案例？如何解决行业痛点？。2. 需求与迭代- 如何将用户反馈转化为AI产品需求？举例说明。- 需求优先级排序方法（KANO模型/四象限法则），并举例说明。三、产品设计能力1. 竞品与用户体验- 对比国内大模型产品（如Kimi、DeepSeek、通义千问）的定位差异和优劣势。- 分析一款AI工具（如Cursor、通义听悟）的成功因素，并提出优化建议。2. 设计逻辑- 非目标用户如何设计产品？