快手-暑期实习-多模态算法面经 夯爆了

1、自我介绍2、拷打实习3、数据库四大特性，mvcc原理（版本链在哪（undolog）），四大日志、两阶段提交4、spring事务原理、是否依赖数据库事务5、Redis日志6、mysql主从同步7、Redis的日志8、Redis事务9、aop原理10、rabbitmq与kafka选型11、kafka的reblance（重复消费、乱序）12、数据库清理磁盘之后为什么磁盘还在被占用着13、事务消息、死信队列14、mysql的索引底层结构，b+树为什么比b树好15、Redis先写日志还是先执行命令（命令，防止命令有问题）16、leetcode128最长连续序列/三数之和面试官真的很好，不会的话还会引导你，可惜我太菜了，算法第一眼看错题了看成最长递增子序列了，没写出来，后来换成了三数之和，还忘记剪枝了，不知道还有没有机会，鼠鼠决定从明天开始苦修算法！！！发面经攒人品

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.主页精排模型的序列如何建模的3.主页精排模型的样本是如何组织的，listwise和user level有什么区别4.你迭代模型的最终版本的结构5.tokenmixer上线了吗，没有收益的原因是为什么6.介绍tokenmixer的结构7.什么情况下tokenmixer会比mmcn、dcn有效;8.为什么数据量足够的情况下，同参数量的情况下，tokenmixer的效果要更好;为什么tokenmixer的效率更好9.八股提问1.介绍几个序列建模的方法2.din和transformer的各自的优势是什么，他们建模的本质差别是什么，他们的qkv有什么区别3.transformer对序列建模具体是怎么做的4.din的qkv和transformer的qkv都是从什么输入得到的5.长序列直接入图的方法有什么，直接用transformer建模有什么问题6.有什么降低时间复杂度的方法7.线性注意力具体是什么方法，还有什么把注意力复杂度从平方减到线性的方法手撕写一个tokenmixer得到最后的output怎么用，mean_pooling和sum_pooling有什么区别pffn具体如何实现，mixup具体如何实现

1、自我介绍2、项目拷打3、介绍 DeepSeek 与 Manus，以及他们之间区别4、介绍 LLM Decoder-Only 架构Decoder-Only 架构本质上就是只使用 Transformer 里的 Decoder 结构，通过自回归的方式一个 token 一个 token 地往后生成内容。它的训练目标通常是 next token prediction，也就是根据前面的上下文预测下一个 token。它的关键点在于 Masked Self-Attention。所谓 masked，就是当前位置只能看到前面的 token，看不到后面的 token，这样模型才能按从左到右的方式学习生成。整体结...