商汤后端（大模型落地）一面

有两个面试官，一个面后端，一个面算法。
1.自我介绍
2.实习项目介绍
你在字节的实习中， 数据聚合过滤是指的什么？
3. 介绍一下常见的 peft 微调办法的原理，优缺点
4.微调场景题， 如果你有一个可以微调的大模型， 有一个 prompt 模板， 但是发现效果不好。 你会怎么考虑这个问题？
5. 假定我们有一个 rag 应用开发，有一个大模型的接口，你怎么用 go 去实现这个高并发开发？（不会，瞎说）

还有一点不记得了，问的内容很少，不到 15 分钟，自己实习介绍了 15 分钟。
给了一个算法题， 是给一个 json 文件， 然后按每个 key 的 value 的 list 长度来决定概率，随机读取对应 key 的 value 中的随机两条，不够就读一条。
直到全部读完，概率是动态变化的。（和上午百川的代码题思路非常像）