京东-大模型算法实习面经（凉凉

# 我的AI编程独家小技巧**写代码：先写注释再写代码**把逻辑用中文注释写清楚，再让AI翻译成代码。注释就是伪代码，AI理解更准，你也能提前发现漏洞。**结构化提示词：角色+约束+示例**❌“写个函数处理数据”✅“你是后端工程师。写Python函数，输入用户日志，输出清洗后的DataFrame。要求：处理空值、去重。示例：[null,‘2024-01-01’]→[‘2024-01-01’]”**工程规范：让AI生成配置文件**开新项目直接问“帮我生成Python项目的.gitignore”，三秒钟搞定，不用手敲。**AI排错：给足上下文**把完整报错+代码片段+预期输出一起丢给AI。代码报KeyError，数据里是‘uid’不是‘user_id’——AI一秒定位。先问“为什么报错”，理解原因再让AI改。下次遇到同类问题，你就能自己解决了。**终极心法：AI是副驾驶，不是自动驾驶**。它的回答永远是参考意见，最终拍板的是你。学会追问、质疑、验证，才是用好AI的关键。你的独家技巧是什么？来评论区抄作业👇

都是大模型算法（infra），感觉差不多，没法判断好坏，各位结合转正率和发展看看选哪个呢：1. 百度智能云训推优化，进去之后估计是推理组，面试官似乎说之后想要做自研芯片的部署。2. 京东云推理优化，起步比较晚，大概了解了一下组里面不会做其他业务的杂活，确实是在做推理或者是训练的优化，转正率非常高。更新一下 今天跟面试官聊了一下，这个ld是个硬件出身的面试官，非常精通硬件，所以我去百度的话肯定是做昆仑芯方面的生态估计算子之类的，大概率摸不到n卡做不了框架

# 集群调度策略模块设计和模拟## 题目目标设计并实现一个集群调度器（Scheduler）+ 模拟器，用于在动态负载和故障条件下平衡：- 高优作业低延迟- 集群利用率- 普通作业公平性## 场景设定- 集群包含 `M` 台同质机器（Machine `0 ~ M-1`）- 作业属性：`job_id`、`priority`、`resource_num`、`estimated_time`- `estimated_time` 与真实时长存在误差（约 ±20%）作业类型：- 普通作业（normal）：每天 08:00 批量提交- 高优作业（high）：全天随机提交，要求快速响应## 运行规则（必做）1. 调度与资源占用- 作业需绑定到足够空闲机器后才能运行- 运行期间机器被独占2. 作业完成与失败- 作业可能成功或失败- 若失败原因是硬件故障：相关机器下线维修 24 小时3. 抢占机制- 允许抢占运行中的作业- 被抢占作业回队列等待重试，额外增加约 10 分钟执行成本## 输出与指标要求（必做）调度器应输出可复盘日志，并至少统计：- 高优作业平均等待时长 / P95 等待时长- 集群利用率（时间窗内）- 普通作业公平性指标（如最长等待、等待方差、饥饿作业数）## 测试与验收要求（必做）至少完成以下测试：1. 基线对比（与至少 1 个基线策略对比（如 FIFO / 纯优先级））2. 波峰场景(批量普通作业 + 高频高优插队)3. 故障场景4. 抢占场景5. 结果可复现## 交付物- 调度器源码- 模拟器源码与输入样例- 策略说明（为何这样设计）- 指标报告与对比图表- 已知问题与下一步优化## 加分项- 自适应策略（根据实时拥塞/故障率动态调参）- 抢占成本建模更精细- 多目标优化或可插拔策略框架

想问一下大佬们，腾讯的面试两次一面都挂了，面评不理想，会在系统里跟着，那腾讯音乐集团会有影响吗